fuze_task/reports/EVIDENCE MATRIX.md

[[02_fusion_core_персональный]]

# EVIDENCE MATRIX

# Канонические опоры fusion — разбор по 9 источникам (для evidence matrix, Трек A)

| Source                                 | Original task                                                                                    | Fusion operator                                                                            | Conditioning signal                                             | Identity path                                                                                            | Transfer to StripNet                                                                                                  | Risk                                                                                                                      |
| -------------------------------------- | ------------------------------------------------------------------------------------------------ | ------------------------------------------------------------------------------------------ | --------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------- |
| **F39 CAFuser** (RA-L 2025)            | condition-aware сегментация в неблагопр. условиях (MUSES, вождение)                              | condition token модулирует per-modality адаптеры (FiLM-подоб.); shared backbone + adapters | condition token из RGB/сцены (env-condition)                    | (п) → identity при zero-init адаптеров; в статье не RGB-residual                                         | condition token = ваш `c_v`; env → content+quality+`e_view`; shared backbone = StripNet `shared=True`                 | в CVGL нет env-сигнала → при неинформативном condition гейты схлопываются в static                                        |
| **F37 AsymFormer** (CVPR-WS 2024)      | real-time асимметр. RGB-D сегментация                                                            | асимметр. cross-modal attention (LAFS + CMA)                                               | нет (feature-driven); RGB-heavy / depth-light                   | RGB тяжёлый primary, aux лёгкий модулирует; (п) RGB сохраняется ёмкостной асимметрией, не явным residual | = ваш RGB-anchor + лёгкие aux-проекторы (3.3); подтверждает aux-light/RGB-heavy                                       | cross-attention растёт с токенами; FP16-only, нет INT8; домен seg, не retrieval                                           |
| **F43 SSF / Robust PEFT** (TPAMI 2024) | робастность к missing modalities через PEFT                                                      | FiLM `γ⊙x+β` per-channel, PEFT <1% params                                                  | per-channel scale/shift; learnable, **не** instance-conditioned | `γ=1,β=0` → identity; small-variance init                                                                | ядро A-C2; <1% overhead в бюджет лёгких адаптеров                                                                     | статичен без ACF-обёртки; чистый FiLM < dynamic gate (73.37 < 80.20)                                                      |
| **F47 TacFiLM** (2026)                 | добавление тактильной модальности к frozen VLA (post-training)                                   | FiLM с **zero-init β**                                                                     | tactile features → `γ,β`                                        | **zero-init β = identity при init** (явно в статье)                                                      | zero-init β = ваш identity-at-init (3.5, тест 4.2); aux к frozen StripNet = ровно ваш сетап                           | zero-init → медленное обучение без two-speed LR                                                                           |
| **F40 M³amba** (2025)                  | мультимод. RS-классификация (HSI + LiDAR)                                                        | frozen CLIP + per-modality adapters + **Cross-SS2D** (SSM: `As` усред., `B` обмен)         | CLIP semantic features направляют fusion                        | (п) SSM skip `D` есть, но Cross-SS2D усреднение перемешивает → нет чистого anchor                        | топология frozen-backbone + per-modality adapters = ваш 3.3; RS domain-match. Оператор Cross-SS2D **не** переносим    | **⚠ предполагает все модальности присутствующими** (факт); (п) Cross-SS2D ломается при validity=0                         |
| **F44 Fusion-Mamba** (TMM 2025)        | cross-modality detection (RGB+IR)                                                                | SSM cross-state (SSCS) + **DSSF gating** (mul+add: `y_R·z_R + z_R·y_IR`)                   | гейт из кросс-модальных состояний (нет внешнего condition)      | (п) нет; mul-член ломает identity                                                                        | DSSF mul+add — ближайший к FiLM примитив; но SSM-scan нет в StripNet                                                  | +5.9% mAP через gating (факт); mul-член убивает инфо при validity=0; SSM нестабилен под dropout                           |
| **F68 RemoteDet-Mamba** (2024)         | мультимод. **UAV** RS-детекция (DroneVehicle RGB+TIR)                                            | element-wise **Add** + однослойный 4-напр. SS2D (CFM); residual `F̂=F+Linear(fused)`       | нет (feature-driven scan)                                       | residual `F̂=F+Linear(Y_fus)` → identity при `Linear≈0` (структурно, факт)                               | residual = скелет A-C1; **ADD-first ablation (Add +11.4 vs CFM +1.0) = ваш falsification-якорь**; ближайший UAV-домен | CFM лишь +1.0 над Add (факт); маржа не переживёт multi-seed; SSM хрупок при validity=0                                    |
| **F4 EarthMind** (2025)                | cross-sensor мультимод. LLM для EO (QA/grounding)                                                | hierarchical cross-modal attention (HCA) + per-token softmax gating                        | text query + **MAS-диагностика баланса модальностей**           | (п) нет RGB-residual; attention-based                                                                    | **MAS modality-balance → ваши diagnostics (4.3)**; per-token gating как концепт; но требует text query                | требует text-query на inference → ломается в query-free retrieval; тяжёлая mLLM                                           |
| **B14 StripNet** (Strip R-CNN)         | RS oriented object detection (полосовые свёртки); здесь — прокси виз-энкодер (~28M, ImageNet-1K) | N/A — это backbone, **не** fusion-оператор (fusion строится поверх)                        | N/A                                                             | (п) даёт `X_rgb`-якорь, identity тривиальна; Stage-4 `[B,512,h,w]`→GAP→`[B,512]`→Linear→`[B,1024]`       | это **и есть** StripNet (факт): frozen + Conv-MONA last-2 stages, `shared=True`, retrieval-dim 1024                   | frozen capability floor — слабый backbone ⇒ потолок fusion-выигрыша; strip-ядра под detection, не retrieval (domain risk) |

## Сквозной вывод

По столбцу **Identity path** явная identity подтверждена в статьях только у **F43, F47 и F68** (три независимых источника) — это опорная триада для теста identity-at-init (4.2). У F39 / F40 / F44 / F4 identity либо предположение, либо отсутствует, что отделяет «легальные для primary» операторы от «только-research-arm».