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)
F14_WeatherPrompt	Решение критической проблемы CVGL с падением точности при смене освещения, погоды и сезона	FiLM с динамической генерацией γ β из текстового эмбеддинга	Текстовый эмбеддинг	- Особенность инициализации: Последний слой в fγ инициализируется нулями, а выход оборачивается в экспоненту: γ=exp⁡(fγ(text)). Это гарантирует, что на старте обучения γ=1.0, и β=0.0 (Identity mapping, не разрушающий pre-trained веса).	Возможность получить Privileged Context Vector (PCV) из конкатенации D, E, Txt embs (768) и подать в генераторы	Необходим достаточно релевантный текстовый промпт

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».