多模态目标检测通过利用来自多个传感器模态的互补线索，提高了在复杂环境下的鲁棒性。我们提出了一种名为滤波多模态交叉注意力融合（FMCAF）的预处理架构，旨在增强RGB和红外（IR）输入的融合。FMCAF结合了频域滤波模块（Freq-Filter）来抑制冗余的光谱特征，以及基于交叉注意力的融合模块（MCAF）来提高模态间特征共享。与针对特定数据集的方法不同，FMCAF旨在实现泛化性，无需针对特定数据集进行调优，即可在不同的多模态挑战中提升性能。在LLVIP（低光照行人检测）和VEDAI（飞行器检测）数据集上，FMCAF的性能优于传统的融合方法（级联），在VEDAI数据集上实现了mAP@50提升13.9%，在LLVIP数据集上实现了mAP@50提升1.1%。这些结果表明，FMCAF有望成为未来检测流程中鲁棒多模态融合的灵活基础。参考链接：https://arxiv.org/abs/2510.17078