ECCV - arXivDaily 期刊&会议

2606.24740 2026-06-24 cs.CV 新提交

BioMedVR: Confusion-Aware Mixture-of-Prompt Experts for Biomedical Visual Reprogramming

BioMedVR: 面向生物医学视觉重编程的混淆感知提示专家混合模型

Jiaxiang Liu, Tianxiang Hu, Juwei Guan, Yujie Wu, Yusong Wang, Yao Mu, Zuozhu Liu, Mingkun Xu

机构 * Guangdong Institute of Intelligence Science and Technology（广东智能科技研究院）； Zhejiang University（浙江大学）； Southeast University（东南大学）； The Hong Kong Polytechnic University（香港理工大学）； Institute of Science Tokyo（东京科学大学）； Shanghai Jiao Tong University（上海交通大学）

AI总结提出BioMedVR框架，通过可学习的VR模块实现预训练VLM在生物医学图像上的少样本适应，利用混淆最小化机制和提示专家混合模型解决细粒度分类中的类间混淆问题，在18个数据集上验证了优越性能。

Comments Accepted at ECCV 2026. 19 pages, 6 figures. Project page: https://jxliu-ai.github.io/biomedvr-page/

2606.24716 2026-06-24 cs.CV cs.AI 新提交

Evaluating the Interpretability of Sparse Autoencoders with Concept Annotations

评估稀疏自编码器与概念标注的可解释性

Jonas Klotz, Cassio F. Dantas, Pallavi Jain, Diego Marcos, Begüm Demir

机构 * The Berlin Institute for the Foundations of Learning and Data (BIFOLD)（柏林学习与数据基础研究所）； Technische Universität Berlin（柏林工业大学）； INRAE（法国国家农业、食品与环境研究院）； Inria, EVERGREEN（法国国家信息与自动化研究所，EVERGREEN）； UMR TETIS, Univ Montpellier（UMR TETIS，蒙彼利埃大学）

AI总结提出一种基于人类标注的评估框架，通过合成基准和二分匹配方法量化稀疏自编码器潜在变量与概念的对齐，并验证可解释性。

Comments Accepted at ECCV 2026

2606.24525 2026-06-24 cs.CV 新提交

VisCritic: Visual State Comparison as Process Reward for GUI Agents

VisCritic: 视觉状态比较作为GUI智能体的过程奖励

Jiachen Qian

机构 * City University of Hong Kong（香港城市大学）

AI总结提出VisCritic框架，通过比较操作前后截图在视觉特征空间中的变化来验证GUI智能体动作，结合孪生视觉Transformer和动作感知评判头，无需额外人工标注即可提升多基准测试性能。

Comments 17 pages, 4 figures; ECCV 2026 submission; supplementary material uploaded as ancillary file

2606.24484 2026-06-24 cs.CV 新提交

Advancing WordArt-Oriented Scene Text Recognition: Datasets and Methods

推进面向艺术字的场景文本识别：数据集与方法

Xingsong Ye, Yongkun Du, Jiaxin Zhang, Haojie Zhang, Chong Sun, Chen Li, Jing Lyu, Zhineng Chen

机构 * Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身人工智能研究所）； Shanghai Key Laboratory of Multimodal Embodied AI, Fudan University（复旦大学上海市多模态具身人工智能重点实验室）； WeChat Vision, Tencent Inc.（腾讯微信视觉团队）； South China University of Technology（华南理工大学）

AI总结针对艺术字场景文本识别（WATER）的挑战，构建了百万级合成数据集WATER-S，并提出支持任意形状输入和自回归解码的WATERec模型，在WordArt-Bench上达到90.40%准确率。

Comments Accepted by ECCV 2026

2606.24479 2026-06-24 cs.CV 新提交

MambaRaw: Selective State Space Modeling for Efficient 4K Raw Image Reconstruction

MambaRaw: 基于选择性状态空间建模的高效4K原始图像重建

Peize Li, Fanhu Zeng, Tongda Xu, Xingguo Xu, Xinjie Zhang, Xingtong Ge, Haotian Zhang, Yan Wang

机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR））； Dalian University of Technology（大连理工大学）； Microsoft Research Asia（微软亚洲研究院）； Hong Kong University of Science and Technology（香港科技大学）； School of Computer Science, Peking University（北京大学计算机科学学院）

AI总结提出MambaRaw框架，利用状态空间模型高效估计熵参数，通过TileMambaBlock和能量感知精化模块实现4K原始图像的高效重建，在三个相机数据集上达到最优性能。

Comments Accepted by ECCV 2026

2606.24422 2026-06-24 cs.CV 新提交

EgoSAT: A Comprehensive Benchmark of Egocentric Streaming Interaction Understanding

EgoSAT: 一个全面的自我中心流式交互理解基准

Yijia Lei, Jinzhao Li, Yichi Zhang, Jiacheng Hua, Yin Li, Miao Liu

机构 * College of AI, Tsinghua University（清华大学人工智能学院）； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）

AI总结提出EgoSAT基准，统一自我中心视频的回顾、在线和前瞻推理任务，评估视觉语言模型在流式设置中的表现，发现现有模型存在前瞻/回顾困难及置信度校准问题。

Comments Accepted to ECCV 2026. Project page: https://leiyj23.github.io/EgoSAT/

2606.24404 2026-06-24 cs.CV 新提交

Modality-Aware Out-of-Distribution Detection for Multi-Modal Action Recognition

面向多模态动作识别的模态感知分布外检测

Lars Doorenbos, Duc Manh Vu, Serdar Ozsoy, Juergen Gall

机构 * University of Bonn（波恩大学）； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习和人工智能研究所）

AI总结提出一种后处理混合检测器，利用多模态与单模态预测关系及特征空间得分，在推理时显式考虑模态信息，提升多模态分布外检测性能。

Comments Accepted at ECCV '26

2606.24375 2026-06-24 cs.CV 新提交

MATCH: Flow Matching for Multi-View Anomaly Detection

MATCH: 基于流匹配的多视角异常检测

Mathis Kruse, Melissa Schween, Bodo Rosenhahn

机构 * Institute for Information Processing, L3S, Leibniz University Hannover（汉诺威莱布尼茨大学L3S信息处理研究所）

AI总结提出首个基于流匹配的多视角异常检测方法MATCH，通过ODE公式估计似然并计算异常分数，在Real-IAD和MANTA-Tiny数据集上达到SOTA性能，且可在消费级硬件上实时运行。

Comments Accepted at ECCV 2026

2606.24361 2026-06-24 cs.CV 新提交

SignNet-1M: Large-Scale Multilingual Sign Language Video Dataset with Downstream Benchmarks

SignNet-1M：大规模多语言手语视频数据集及下游基准

Zhewen He, Junyi Hu, Haomian Huang, Zhenhua Li, Yu-Shen Liu, Yi Fang

机构 * New York University Abu Dhabi（纽约大学阿布扎比分校）； ChatSign Technology（ChatSign 技术公司）； Tsinghua University（清华大学）

AI总结提出SignNet-1M，通过3D高斯泼溅、扩散模型和后期渲染增强合成多样化手语视频，提升模型在跨视角、背景和身份等分布偏移下的泛化能力。

Comments 25 pages. Accepted to ECCV 2026

2606.24333 2026-06-24 cs.CV 新提交

UniTranslator: A Unified Multi-modal Framework for End-to-end In-Image Machine Translation

UniTranslator：一种用于端到端图像内机器翻译的统一多模态框架

Jiahao Lyu, Pei Fu, Zhenhang Li, Shaojie Zhang, Jiahui Yang, Yu Zhou, Can Ma, Zhenbo Luo, Jian Luan

机构 * MiLM Plus, Xiaomi Inc（小米公司MiLM Plus）； Binghamton University（宾汉姆顿大学）

AI总结提出UniTranslator统一框架，通过理解-生成对齐模块和空间掩码解码器解决翻译理解与文本编辑的冲突及空间错位问题，在多个基准上实现最先进性能。

Comments Accepted by ECCV 2026

2606.24297 2026-06-24 cs.CV 新提交

Training-free Cross-domain Few-shot Segmentation via Robust Semantic Representation and Matching

基于鲁棒语义表示与匹配的无训练跨域小样本分割

Sujun Sun, Mingwu Ren, Haofeng Zhang

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院）； State Key Laboratory of Intelligent Manufacturing of Advanced Construction Machinery（先进工程机械智能制造国家重点实验室）

AI总结提出无训练框架，利用DINOv3编码器和三个核心模块（语义感知特征融合、自适应支持增强、混合原型匹配）实现跨域小样本分割，无需训练或微调，在四个目标域数据集上达到最优性能。

Comments Accepted by ECCV 2026

2606.24296 2026-06-24 cs.CV 新提交

Hierarchical Spatial and Channel Aggregation for Cross-domain Few-shot Segmentation

跨域小样本分割的分层空间与通道聚合

Sujun Sun, Mingwu Ren, Haofeng Zhang

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院）； State Key Laboratory of Intelligent Manufacturing of Advanced Construction Machinery（先进工程机械智能制造国家重点实验室）

AI总结提出双分层聚合网络(DHANet)，通过分层空间聚合(HSA)和分层通道聚合(HCA)模块分别缓解语义过对齐和属性过对齐，并引入在线概率语义库(OPSB)增强支持信息，在四个目标域数据集上取得最优性能。

Comments Accepted by ECCV 2026

2606.24165 2026-06-24 cs.CV 新提交

Spectral Evolution-Guided Token Pruning in Multimodal Large Language Models

多模态大语言模型中基于谱演化引导的令牌剪枝

Bin Chen, Yuxiang Cai, Yadan Luo, Yi Zhang, Jianwei Yin, Zhi Chen

机构 * School of Software Technology, Zhejiang University（浙江大学软件学院）； Zhejiang Key Laboratory of Digital-Intelligence Service Technology（浙江省数字化服务技术重点实验室）； The University of Queensland（昆士兰大学）； Singapore Management University（新加坡管理大学）； The University of Southern Queensland（南昆士兰大学）

AI总结提出跨层谱演化（CLSE）框架，通过频域分析令牌表示在Transformer层间的演化来评估重要性，实现无训练剪枝，在保持性能的同时减少计算开销。

Comments Accepted to ECCV 2026

2606.24156 2026-06-24 cs.CV 新提交

Accelerating Multimodal Large Language Models with Prior-Corrected Token Reduction

利用先验校正的令牌缩减加速多模态大语言模型

Zengjie Chen, Yuxiang Cai, Jingcai Guo, Taotao Cai, Jianwei Yin, Zhi Chen

机构 * School of Software Technology, Zhejiang University（浙江大学软件学院）； Zhejiang Key Laboratory of Digital-Intelligence Service Technology（浙江省数字化服务技术重点实验室）； Hong Kong Polytechnic University（香港理工大学）； The University of Southern Queensland（南昆士兰大学）

AI总结提出PriorTR方法，通过分离任务条件注意力与模型先验注意力，在单次前向传播中估计先验并校正令牌重要性，实现无训练令牌缩减，提升多模态大语言模型效率与准确性。

Comments Accepted to ECCV 2026

2606.24144 2026-06-24 cs.CV 新提交

Geometry-Aware Style Transfer in 3D Gaussian Splatting

3D高斯泼溅中的几何感知风格迁移

Min Hyeok Bang, Jun Hyeong Kim, Seung-Wook Kim, Se-Ho Lee

机构 * Department of Computer Science and Artificial Intelligence/Center for Advanced Image Information Technology, Jeonbuk National University（全北国立大学计算机科学与人工智能系/高级图像信息技术中心）； Division of Electronic and Communication Engineering, Pukyong National University（釜庆国立大学电子与通信工程系）

AI总结提出一种几何感知风格迁移框架，通过解耦优化交替更新颜色和几何参数，并利用几何感知对比特征匹配（GCFM）将风格图像的结构特征迁移到高斯基元，实现外观与几何结构的同步迁移。

Comments 14 pages, 7 figures, accepted at ECCV 2026

2606.24101 2026-06-24 cs.RO cs.CV 新提交

NavWM: A Unified Navigation World Model for Foresight-Driven Planning

NavWM：一种用于前瞻性规划的统一导航世界模型

Yanghong Mei, Longteng Guo, Ming-Ming Yu, Guiyu Zhao, Xingjian He, Jing Liu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）； Beihang University（北京航空航天大学）； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）

AI总结提出NavWM统一导航世界模型，通过潜在世界令牌提取几何与语义先验，结合锚点多模态轨迹预测框架生成多样化动作空间，利用视觉前瞻评估最优路径，在多种机器人数据集上显著提升未来状态生成与零样本导航成功率。

Comments 13 pages, 5 figures, accepted to ECCV 2026

2606.24072 2026-06-24 cs.CV 新提交

Fabric Image Demoiréing Benchmark from Synthesis to Restoration

织物图像去摩尔纹基准：从合成到恢复

Pengchao Wei, Xiaojie Guo

机构 * Tianjin University（天津大学）

AI总结提出首个织物图像去摩尔纹基准，通过物理合成框架构建大规模数据集，并定制基线模型，解决织物摩尔纹因宽带半周期特性导致的去噪难题。

Comments Accepted to ECCV 2026

2606.23950 2026-06-24 cs.CV 新提交

DivRL: Disentangled Self-Similarity Rewards for Diverse Subject-Driven Generation

DivRL: 解耦自相似性奖励用于多样化主题驱动生成

Qian Wang, Zhenyu Li, Abdelrahman Eldesokey, Peter Wonka

机构 * KAUST（阿卜杜拉国王科技大学）

AI总结提出DivRL框架，通过解耦视觉特征中的负自相似性度量（nSSM）和视觉语义匹配（VSM），采用“探索-抑制”策略联合优化身份一致性与结构多样性，解决主题驱动生成中的身份-多样性悖论。

Comments Accepted to ECCV 2026. Project page: https://qianwangx.github.io/DivRL/

2606.23917 2026-06-24 cs.CV 新提交

Trustworthy Image Authentication using Forensic Knowledge Graphs

使用取证知识图谱的可信图像认证

Tai D. Nguyen, Matthew C. Stamm

机构 * Drexel University（德雷塞尔大学）

AI总结提出取证知识图谱（FKG）框架，通过结构化取证证据提取与推理实现可解释的图像伪造检测，优于现有检测器和视觉语言模型。

Comments Accepted and Published at ECCV 2026

2606.23872 2026-06-24 cs.LG cs.AI 新提交

MGI: Member vs Generated Inference

MGI：成员与生成推断

Bihe Zhao, Michel Meintz, Juangui Xu, Franziska Boenisch, Adam Dziedzic

机构 * CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心）

AI总结针对生成模型输出与训练样本难以区分的问题，提出MGI任务，并设计数据断路器（DCB）方法，结合自编码器和潜在生成器的互补信号，有效区分训练成员与生成样本。

Comments Accepted at ECCV 2026

2606.22314 2026-06-24 cs.LG cs.AI cs.CV 新提交

Diffusion Integrated Gradients: Controllable Path Generation for Flexible Feature Attribution

扩散积分梯度：用于灵活特征归因的可控路径生成

Soyeon Kim, Kyowoon Lee, Jaesik Choi

机构 * KAIST（韩国科学技术院）； Ajou University（亚洲大学）； INEEJI Corp.（INEEJI公司）

AI总结提出扩散积分梯度（DiffIG），通过扩散模型生成路径并嵌入用户引导，实现灵活可控的特征归因，在定量和定性上优于现有方法。

Comments 44 pages, 22 figures, 10 tables. Accepted to ECCV 2026; includes appendix

2606.22220 2026-06-24 cs.CV cs.AI cs.LG 新提交

MultiMem: Measuring and Mitigating Memorization in Multi-Modal Contrastive Learning

MultiMem: 多模态对比学习中的记忆化测量与缓解

Wenhao Wang, Franziska Boenisch, Michael Backes, Adam Dziedzic

机构 * CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心）

AI总结提出首个多模态对比学习记忆化度量MultiMem，发现跨模态语义错位是主要驱动因素，文本模态影响最大，并通过跨模态增强有效降低记忆化并提升性能。

Comments Accepted at The 19th European Conference on Computer Vision (ECCV), 2026

2606.20189 2026-06-24 cs.CV cs.AI cs.RO 新提交

HilDA: Hierarchical Distillation with Diffusion for Advancing Self-Supervised LiDAR Pre-training

HilDA：利用扩散的分层蒸馏推进自监督LiDAR预训练

Maciej Wozniak, Jesper Ericsson, Hariprasath Govindarajan, Truls Nyberg, Thomas Gustafsson, Patric Jensfelt, Olov Andersson

机构 * KTH Royal Institute of Technology（瑞典皇家理工学院）； Linköping University（林雪平大学）； TRATON AB（TRATON公司）； Qualcomm Auto Ltd Sweden Filial（高通汽车有限公司瑞典分公司）

AI总结提出HilDA框架，通过分层蒸馏（多层蒸馏和全局上下文蒸馏）结合时间占用扩散目标，自监督预训练LiDAR骨干网络，在3D检测、场景流和语义占用预测任务上达到最先进水平。

Comments Accepted to ECCV 2026. Maciej and Jesper contributed equally