“针对高光谱图像与LiDAR数据多模态分类任务中的跨模态信息表达和特征对齐等问题，提出一种基于对比学习CNN-Transformer高光谱和LiDAR数据协同分类网络，在 Houston 2013 和 Trento 数据集上的实验结果表明，相较于其他高光谱图像和LiDAR数据分类模型，该模型获得了更高的地物分类精度，分别达到了92.01%和98.90%，实现了跨模态数据特征的深度挖掘和协同提取，为解决异构传感器数据语义对齐问题提供解决方案。”