摘要
多模态土地覆盖分类在城市监测和环境分析等遥感应用中起着重要作用。通过整合高光谱图像（HSI）和LiDAR数据中的互补信息，多模态学习能够显著提升分类性能。然而，现有的基于Transformer的融合方法往往存在计算复杂度高以及跨模态交互建模效率低的问题，这限制了它们在资源受限环境中的应用。为了解决这些难题，我们提出了LM Fusion这一高效的多模态特征学习框架。具体而言，LM Fusion通过线性复杂度的跨注意力机制实现高效的双向特征交互，并借助基于Mamba的状态空间模型增强长距离的空间-光谱表示学习，从而以线性计算复杂度实现有效的多模态依赖建模。此外，该框架还引入了一种选择性量化感知优化策略，支持多种位宽设置（低至1位），从而在降低模型规模的同时提高其在低位宽条件下的表示鲁棒性。在Houston2013、MUUFL和Augsburg数据集上的大量实验表明了LM Fusion的有效性。它在这些数据集上分别取得了95.84%、94.95%和99.05%的总体准确率，始终优于其他典型的多模态分类方法，展现出在实现精确且高效的多模态遥感分类方面的巨大潜力。
