本文提出了一种基于3D卷积引导的光谱-空间Transformer（3D-ConvSST）用于高光谱图像分类的方法。该方法通过融合局部空间和光谱信息，提升特征传递和分类性能。实验结果表明，该模型在多个高光谱数据集上优于传统方法，展示了其在该领域的有效性。

该研究提出了SkipcrossNets，一种新型融合架构，可自适应地结合激光雷达点云和相机图像，实现特征传递和多模态特征融合。在KITTI和A2D2数据集上表现出色，模型参数只需2.33 MB的内存，在68.24 FPS的速度下运行，适用于移动终端和嵌入式设备。