期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Adobe Research（奥多比研究中心）
AI总结 针对现有视频到视频转换方法长程时间一致性不足的问题，提出基于显式对应关系的vid2vid-long方法，通过补丁级对应与交叉注意力提升长程一致性，且兼顾生成质量与实时性能。
Comments ECCV 2026. Project Website: https://www.cs.cmu.edu/~vid2vid-long/
机构 * Shanghai University of Finance and Economics（上海财经大学） ； Transsion（传音控股） ； Institute of Big Data, Fudan University（复旦大学大数据研究院）
AI总结 本报告介绍第八届LSVOS挑战赛的MUMU赛道，要求构建符合参数与内存预算的统一多模态模型，前三名团队基于Florence-2-base模型扩展，结果显示紧凑视觉语言模型可完成多任务，开放词汇检测仍为瓶颈。
Comments 13 pages, 3 figures, 3 tables. Report of the MUMU track of the 8th LSVOS Challenge, held in conjunction with ECCV 2026. Project page: https://lsvos.github.io/mumu
冻结的视觉-语言模型在事件数据上能走多远？一项针对EventBench的无训练研究
机构 * Shahjalal University of Science and Technology（沙贾拉尔科技大学） ； North South University（北南大学）
AI总结 本研究针对EventBench挑战赛提出无训练系统，用冻结的视觉-语言模型处理事件数据，在五项任务上获62.28%总体准确率，分析了表现受限的原因。
Comments "Technical report, EBMV @ ECCV 2026 Challenge. 13 pages, 9 figures
机构 * University of Oxford（牛津大学）
AI总结 DRS-VPT提出一种前馈变换器架构，实现图像到扫描的直接配准，统一自动驾驶标定与室内重定位，达到最先进性能并支持零样本迁移。
Comments ECCV 2026. Code: https://github.com/ori-drs/drs-vpt Project page: https://ori-drs.github.io/drs-vpt-pages/
机构 * State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； Institute for Artificial Intelligence and Data Science（人工智能与数据科学研究院） ； University at Buffalo（布法罗大学）
AI总结 本文提出TORS调度策略，通过优化采样轨迹的几何变化，提升文本到图像扩散模型在有限采样步数下的生成质量。
Comments Accepted by ECCV 2026
MMEarth-Bench：通过多模态测试时训练进行全局模型适配
机构 * Harvard University, USA（哈佛大学，美国） ； University of Copenhagen, Denmark（哥本哈根大学，丹麦）
AI总结 研究针对地理空间机器学习中现有基准数据集不足，引入含多模态任务的MMEarth-Bench，通过多模态测试时训练方法提升模型性能，改善地理泛化能力。
Comments Published at ECCV 2026, project page: https://lgordon99.github.io/mmearth-bench/
机构 * Singapore University of Technology and Design (SUTD)（新加坡科技设计大学）
AI总结 研究大型视觉语言模型中多编码器专家整合难题，提出证据驱动的多模态推理框架，利用布鲁姆分类法及两阶段认知语言化，改进感知和推理能力，实现细粒度分析。
Comments ECCV 2026 MARS2 Workshop
TryOnCrafter: 通过可渲染的4D试穿代理释放相机轨迹以实现逼真的视频虚拟试穿
机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Xiamen University（厦门大学） ； Alibaba Group（阿里巴巴集团）
AI总结 提出TryOnCrafter，首个基于DiT的统一框架，通过可渲染4D试穿代理解耦人体与环境，实现相机可控的视频虚拟试穿，支持任意视角合成和下游应用。
Comments Accepted by ECCV 2026 Project Page: https://sunhao242.github.io/TryOnCrafter_web.github.io/
机构 * Fraunhofer IOSB Ettlingen（弗劳恩霍夫联合研究所Ettlingen）
AI总结 本文提出一个基于因果的图像退化分类学，通过双轴抽象整合算法退化、感知失真和物理退化，提供统一的严重性度量层以提升跨数据集和任务的可比性。
Comments Accepted at the 2nd Workshop on Low-Level Vision Frontiers (LoViF) at ECCV 2026
机构 * Graduate School of AI（人工智能研究生院）
AI总结 本文提出CRePE，一种基于曲率射线期望的位置编码，用于统一相机模型下的视频生成，通过几何注意力适配器稳定相机控制，提升几何感知和感知质量指标。
Comments Accepted to NeurIPS 2026. An earlier version was presented at the ECCV 2026 Workshop on 3D in the Era of World Models (3DWM). 22 pages, including appendix. Project page: https://crepe-neurips2026.github.io/
机构 * New York University（纽约大学）
AI总结 本文提出 ProCreate 方法，通过在生成过程中将图像嵌入推离参考嵌入来提升扩散模型的样本多样性与创意性，并防止训练数据复现，在 FSCG-8 数据集上取得最高多样性和保真度。
Comments Accepted to ECCV 2024. v3: figures recompressed for faster loading; no content changes. Project page: https://procreate-diffusion.github.io
机构 * University College London（伦敦大学学院） ； Advanced Research, Intuitive（直觉公司高级研究部）
AI总结 本研究推出首个用于机器人辅助微创手术的同步多内窥镜数据集iMED，通过跨内窥镜的训练测试协议，发现几何正则化方法更稳健，大规模基础模型在手术图像上的迁移表现优于领域特定模型，为手术视觉几何泛化建立新评估协议。
Comments Published at ECCV 2026. 25 pages, including supplementary material. Code and dataset: https://github.com/surgical-vision/imed
Journal ref Computer Vision - ECCV 2026, LNCS 17078, pp. 313-332, Springer, 2026
用于Sim2Real V2X激光雷达检测的坐标帧恢复、逐类非极大值抑制与零返回建模
机构 * Columbia University（哥伦比亚大学）
AI总结 该研究针对UrbanTwin Sim2Real激光雷达挑战赛V2X-Real赛道，通过修正坐标帧不匹配、采用逐类非极大值抑制、建模零返回特征，将综合得分提升至0.7457。
Comments 8 pages. 1st place, Track 7 (UrbanTwin Sim2Real LiDAR, V2X-Real), DriveX Grand Challenge, ECCV 2026 Workshop. Code: https://github.com/amanupg/urbantwin-sim2real-v2x
机构 * Columbia University（哥伦比亚大学）
AI总结 该研究针对UrbanTwin Sim2Real激光雷达挑战赛LUMPI赛道，基于PointPillars基线，通过几何优化、后处理修复与解析真实性指标，使最终综合得分达0.4793，还提出了可迁移的实验方法。
Comments 8 pages. 1st place, Track 6 (UrbanTwin Sim2Real LiDAR, LUMPI), DriveX Grand Challenge, ECCV 2026 Workshop. Code: https://github.com/amanupg/urbantwin-sim2real-lumpi
FLEG：通过紧凑语义表示从任意视角进行前馈语言嵌入高斯散射
机构 * Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 FLEG通过几何-语义双分支蒸馏框架，实现从任意多视角图像灵活重建语言嵌入3D高斯，减少语义冗余并提升存储效率。
Comments Accepted by ECCV 2026. Project Page: https://fangzhou2000.github.io/projects/fleg
机构 * POSTECH（浦项科技大学） ； Yonsei University（延世大学）
AI总结 本文提出轴向运动放大的新概念及Motion Separation Module，沿用户指定方向解耦并放大微小运动，构建了合成数据集，提升了运动可读性与用户可控性，且可适配通用运动放大任务。
Comments Presented at European Conference on Computer Vision (ECCV) 2024. Project page (code&dataset): https://axial-momag.github.io/axial-momag/
机构 * Gdańsk University of Technology（格但斯克工业大学）
AI总结 研究针对边缘设备视频超分辨率计算开销大问题，提出NanoVSR架构，利用结构重参数化实现硬件兼容与低开销，通过渐进训练隐式学习时空对齐，在REDS4基准测试中平衡精度与效率，提升边缘设备超分辨率性能。
Comments Final version published at ECCV 2026
Journal ref Computer Vision - ECCV 2026, LNCS, pp. 620-639, Springer, 2026
机构 * Qualcomm AI Research（高通人工智能研究部门）
AI总结 本研究提出基于扩散模型的PicturePerfect方法，实现同身份面部替换，构建专用数据集，实验显示其效果优于现有面部重演模型。
Comments Camera-ready version (ECCV 2026 workshop - Third Workshop on Foundation and Generative Models in Biometrics)
机构 * University of Maryland（马里兰大学）
AI总结 VidParse是一种无需训练的在线框架，通过图约束推理处理第一人称视角视频的流程解析，在复杂多步骤解析精度上较基线提升最高达10倍。
Comments Accepted at ECCV 2026. v2: GTEA results (Table 1, supplementary Table 1) are now averaged over the four standard splits; v1 reported split 1 only. Implementation details updated to match the released code
TopoField：ECCV 2026 SceneFun3D挑战赛技术报告
机构 * Shandong University（山东大学）
AI总结 本文提出构建于VOLT的TopoField解码器，解决室内点云功能分割的场到实例差距问题，在ECCV 2026 SceneFun3D挑战赛中获第二名，取得28.286% AP等指标。
Comments Technical Report for ECCV OpenSUN3D Workshop SceneFun3D Benchmark Challenge
机构 * Singapore-MIT Alliance for Research & Technology Centre（新加坡-麻省理工研究与技术联盟） ； Singapore Management University（新加坡管理大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本研究在仅RGB的4D重建模型Monst3R中加入事件相机输入分支，在3个基准数据集上使Abs Rel平均降低3.4%，高运动场景下增益最大，证明轻量级RGB-事件融合可提升4D重建鲁棒性。
Comments Accepted at NeVi 2026 workshop at the 19th European Conference on Computer Vision (ECCV 2026)
机构 * University of Science and Technology of China（中国科学技术大学） ； Microsoft Research Asia（微软亚洲研究院） ； Tsinghua University（清华大学）
AI总结 研究提出带持久三维记忆的视频扩散框架OctWorld，通过引入空间自适应三维记忆OctMap解决长程生成的空间一致性难题，生成的视频在基准及长程设置下优于现有方法。
Comments Published at ECCV 2026. Project page: https://microsoft.github.io/OctWorld/. Code: https://github.com/microsoft/OctWorld
Journal ref ECCV 2026, LNCS 17026 (2026) 287-305
推理还是背诵：结合LLM评判器的互补专家模型用于交通异常推理
机构 * Stellarview AI（星景人工智能）
AI总结 针对交通异常推理任务，提出双专家框架RoR，结合LoRA微调的9B视觉语言模型、吸收标注风格的4位量化27B模型及无训练LLM评判器，在2026年AI城市挑战赛对应赛道域内排行榜获第一。
Comments 18 pages, 3 figures, 5 tables. Accepted at the AI City Challenge Workshop, ECCV 2026. 1st place in Track 3 (Traffic Anomaly Reasoning)
机构 * FZI Research Center for Information Technology（FZI信息技术研究中心） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
AI总结 该研究对比Patch衍生与注册两种可变长度图像标记器，发现极端压缩时Patch衍生标记重建更优、下游生成任务中注册标记更优，加入与预训练视觉编码器的表示对齐可提升Patch衍生标记性能。
Comments LoViF Workshop @ ECCV 2026 (Oral), final version
机构 * Kiel University（基尔大学） ； KAUST, CEMSE（科威特大学，CEMSE） ； Adam Mickiewicz University（亚当·密茨凯维奇大学） ； Victoria University of Wellington（惠灵顿维多利亚大学）
AI总结 提出一种基于高斯时空表示的方法，从有限视角重建动态火焰，通过分离背景与火焰、融合光流场，并编码高斯寿命与速度，实现高频特征重建。
Comments 38 pages, 17 figures, 8 tables; ECCV 2026 version with corrected results (bugfix in the initialization of our method for real-world scenes)
Journal ref Computer Vision -- ECCV 2026, LNCS vol. 17068, pp. 454-476, Springer (2026)
机构 * Shenzhen University（深圳大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） ； City University of Hong Kong（香港城市大学）
AI总结 本文针对多视图人群定位中密度图监督的模糊性问题，提出基于马氏距离的多视图最优传输损失M-MVOT，利用视线方向引导代价等值线并结合物体到相机距离调整惩罚，在多个数据集上优于现有方法。
StateBridge：面向合成到真实交通视频字幕与VQA的基于阶段和轨迹的推理
机构 * North Dakota State University（北达科他州立大学） ； Texas A&M University（得克萨斯农工大学） ； Ghana Institute of Management and Public Administration（加纳管理与公共行政学院）
AI总结 提出StateBridge框架，通过阶段感知片段构建等方法，仅用合成训练数据在AI City Challenge 2026 Track 2取得S2分数55.4679，解决合成到真实交通视频字幕与VQA的泛化问题。
Comments 25 pages, 5 figures, ECCV conference
文本到图像模型批判性评估框架：整合艺术史分析、艺术探索与批判性提示工程
机构 * School of Fine Arts, University of Ioannina（约阿尼纳大学美术学院）
AI总结 提出跨学科批判性评估框架，整合艺术史分析、艺术探索与批判性提示工程，以揭示文本到图像模型中的偏见并促进公平负责任的AI发展。
Journal ref Computer Vision - ECCV 2024 Workshops, Lecture Notes in Computer Science, vol. 15644, pp. 128-143, Springer, Cham, 2025
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Google DeepMind（谷歌DeepMind） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文研究了如何在不丧失原有能力的前提下通过序列微调向大型多模态模型传授新技能，提出两种有效的微调方法以平衡学习与遗忘。
Comments ECCV 2026 Spotlight. Code is available at https://github.com/jessemelpolio/LMM_CL
机构 * Austrian Institute of Technology（奥地利技术研究所）
AI总结 本研究提出了媒体智能平台（MIP）这一多模态媒体取证框架，可检测多种类型的合成与篡改内容，经基准数据集验证具备可靠性能，且发布了公开演示器支持可复现性与社区评估。
Comments ECCV 2026, Workshop on AI for Multimedia Forensics & Disinformation Detection (AI4MFDD2026)
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈