精度加权融合 (Precision-Weighted Fusion)

精度加权融合是 principled-uncertainty-clinical-ai 提出的多模态贝叶斯融合机制，利用各模态潜空间方差的倒数作为精度权重进行分布组合。

核心机制

对于 M 个可用模态，每个编码器输出 (mu_m, log sigma^2_m)：

步骤 1：计算各模态精度

Lambda_m = exp(-log sigma^2_m) = 1 / sigma^2_m

步骤 2：精度加权组合

Lambda_fused = sum_m Lambda_m
sigma^2_fused = 1 / Lambda_fused
mu_fused = (sum_m Lambda_m * mu_m) / Lambda_fused

缺失模态通过设置 log sigma^2 = 10.0 来处理：

结果：融合不确定性始终 ≥ 最小单模态方差，随着缺失模态增多而正确增加。

高精度（低方差）的模态贡献更多权重——就像贝叶斯推断中精度加权的后验组合。这是卡尔曼滤波思想在多模态融合中的推广。