ECCV - arXivDaily 期刊&会议

2606.28266 2026-06-29 cs.CV 新提交

RSICCLLM: A Multimodal Large Language Model for Remote Sensing Image Change Captioning

RSICCLLM：用于遥感图像变化描述的多模态大语言模型

Yelin Wang, Zijia Song, Shuo Ye, Chuanguang Yang, Miaoyu Wang, Yong Xu, Zhulin An, Yongjun Xu, Zitong Yu

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（人工智能安全国家重点实验室，计算技术研究所，中国科学院，北京，中国）； Great Bay University, Dongguan, China（东莞Great Bay大学，中国）； Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳学院，中国）； Dongguan Key Laboratory for Intelligence and Information Technology, Dongguan, China（东莞智能与信息科技重点实验室，中国）

AI总结提出首个针对遥感图像变化描述任务的大视觉语言模型后训练框架RSICCLLM，通过数据生成范式、差异感知微调和双负偏好优化，仅7B参数即超越更大规模模型。

Comments Accepted by ECCV 2026

2606.28215 2026-06-29 cs.CV cs.AI cs.GR 新提交

HAT-4D: Lifting Monocular Video for 4D Multi-Object Interactions via Human-Agent Collaboration

HAT-4D: 通过人机协作从单目视频提升4D多物体交互

Jiaxin Li, Yuxiang Wu, Zhenkai Zhang, Xinrui Shi, Haoyuan Wang, Yichen Zhao, Su Linxiang, Chenyang Yu, Mingyu Zhang, Yifan Ding, Boran Wen, Li Zhang, Ruiyang Liu, Yong-Lu Li

机构 * Shanghai Jiao Tong University（上海交通大学）； Shanghai Innovation Institute（上海创新研究院）； University of Science and Technology of China（中国科学技术大学）； Math Magic

AI总结提出HAT-4D框架，结合视觉大模型与多级人工反馈，从单目视频重建多物体的3D几何、时序动态和物理交互，解决遮挡和深度歧义，无需多相机系统。

Comments Accepted to ECCV 2026. 15 pages of main text and 39 pages of appendices. Project page: https://lijiaxin0111.github.io/HAT4D/

2606.28144 2026-06-29 cs.CV 新提交

Monocular Avatar Reconstruction via Cascaded Diffusion Priors and UV-Space Differentiable Shading

基于级联扩散先验和UV空间可微分着色的单目虚拟人重建

Hong Li, Minqi Meng, Yanjun Liang, Chongjie Ye, Houyuan Chen, Weiqing Xiao, Xianda Guo, Guojun Lei, Xuhui Liu, Chaojie Yang, Yanlun Peng, Hao Zhao, Baochang Zhang

机构 * Beihang University（北航）； Great Wall Motors（长城汽车）； CUHK-Shenzhen（香港科技大学深圳研究院）； HKUST（香港科技大学）； Nanjing University（南京大学）； Wuhan University（武汉大学）； Zhejiang University（浙江大学）； KAUST（王国 Abdullah 基础科学研究院）； Tsinghua University（清华大学）

AI总结提出数据高效框架，利用统一预训练扩散模型的鲁棒先验，通过级联LoRA依次处理纹理补全、去光照和材质分解，结合UV空间可微分BRDF着色损失，从单张野外图像重建高保真可重光照3D虚拟人。

Comments Accepted by ECCV 2026. Project page: https://luh1124.github.io/MARCUS-Avatar-Projectpage/

2606.28077 2026-06-29 cs.CV 新提交

TextDS: Parameter-Efficient Representation Alignment for Scene Text Detection under Distribution Shifts

TextDS: 分布偏移下场景文本检测的参数高效表示对齐

Boyuan Chen, Zichen Dang, Chuang Yang, Lap-Pui Chau, Yi Wang

机构 * School of Electrical Engineering, Xi’an Jiaotong University（西安交通大学电气工程学院）； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电机及电子工程学系）

AI总结提出TextDS框架，通过视觉基础模型、逐步LoRA适应和公共子空间融合，仅用4.9M参数实现跨域和退化条件下的鲁棒场景文本检测。

Comments Accepted by ECCV 2026. Project page: https://github.com/ZChenDang/TextDS

2606.28026 2026-06-29 cs.CV 新提交

EMOSH: Expressive Motion and Shape Disentanglement for Human Animation

EMOSH：用于人体动画的表现性运动与形状解耦

Dongbin Zhang, Hao Liu, Binquan Dai, Kangjie Chen, Chuming Wang, Chen Li, Jing Lyu, Haoqian Wang

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）； WeChat Vision, Tencent Inc.（腾讯微信视觉）

AI总结提出EMOSH框架，通过可表现人体模型解耦形状与姿态，结合粗细混合运动注入和空间对齐条件机制，实现高保真、可控的人体视频生成，解决运动-形状纠缠问题。

Comments Accepted to ECCV 2026, Project Page: https://eastbeanzhang.github.io/EMOSH/

2606.27988 2026-06-29 cs.CV 新提交

Latent Visual Diffusion Reasoning with Monte Carlo Tree Search

潜在视觉扩散推理与蒙特卡洛树搜索

Xirui Teng, Nan Xi, Junsong Yuan

机构 * Beijing Jiaotong University（北京交通大学）； Virginia Commonwealth University（弗吉尼亚联邦大学）； University at Buffalo（布法罗大学）

AI总结提出LVDR框架，结合关键点引导的蒙特卡洛树搜索，实现细粒度技能活动的可解释视觉推理，在多个体育和手术数据集上取得竞争性表现。

Comments Accepted to ECCV 2026. Project page: https://github.com/XiruiTeng/LVDR_Official.git

2606.27905 2026-06-29 cs.CV 新提交

There and Back Again: A Flexible-Frame Transformer for Multi-Exposure Fusion

去而复返：用于多曝光融合的灵活帧数Transformer

Lishen Qu, Yao Liu, Shihao Zhou, Jie Liang, Hui Zeng, Lei Zhang, Jufeng Yang

机构 * Nankai International Advanced Research Institute (SHENZHEN·FUTIAN)（南开国际先进研究院（深圳·福田））； Peng Cheng Laboratory（鹏城实验室）； College of Computer Science, Nankai University（南开大学计算机学院）； The Hong Kong Polytechnic University（香港理工大学）； OPPO Research Institute（OPPO研究院）

AI总结提出FreeMEF，首个灵活帧数多曝光融合Transformer，通过循环状态空间模块和全局特征引导块，无需重训练即可处理任意数量输入帧，在三个基准数据集上取得最优性能。

Comments Accepted by ECCV 2026

2606.27784 2026-06-29 cs.CV cs.AI cs.LG 新提交

Improving Adversarial Robustness via Activation Amplification and Attenuation

通过激活放大与衰减提升对抗鲁棒性

Taïga Gonçalves, Yongsong Huang, Tomo Miyazaki, Shinichiro Omachi

机构 * Graduate School of Engineering, Tohoku University（东北大学工学研究科）

AI总结提出激活放大与衰减（A3）轻量模块，通过可学习缩放机制动态调整激活值，利用放大信号构建对比损失，在衰减模式下提升对抗鲁棒性，计算开销小。

Comments Accepted to ECCV 2026

2606.27779 2026-06-29 cs.CV 新提交

MindFlow: Harmonizing Cognitive Semantics and Acoustic Dynamics for Facial Animation Generation in Dyadic Conversations

MindFlow：调和认知语义与声学动态的对话面部动画生成

Hejia Chen, Haoxian Zhang, Xu He, Xiaoqiang Liu, Pengfei Wan, Shoulong Zhang, Shuai Li

机构 * Beihang University（北京航空航天大学）； Kling Team, Kuaishou Technology（快手科技 Kling 团队）； Zhongguancun Laboratory（中关村实验室）

AI总结提出双路径生成框架MindFlow，受神经科学腹侧-背侧通路模型启发，通过Chunk-State方法建模上下文感知情感状态链，结合条件自回归流匹配网络与选择性声学注入器，实现高保真面部动画，在语义适切性和运动自然度上超越现有方法。

Comments Accepted by ECCV 2026

2606.27729 2026-06-29 cs.CV 新提交

Learning 1-Bit LiDAR-based Localization with Auxiliary Objective

学习基于1比特LiDAR的定位与辅助目标

Kaijie Yin, Zhiyuan Zhang, Tian Gao, Wentao Zhu, Cheng-zhong Xu, Hui Kong

机构 * University of Macau（澳门大学）； Singapore Management University（新加坡管理大学）； Eastern Institute of Technology, Ningbo（宁波东方理工大学）

AI总结提出首个二值神经网络框架BiLoc用于6-DoF LiDAR定位，通过信息瓶颈原理和辅助目标缓解二值化信息损失，实现轻量高效定位。

Comments European Conference on Computer Vision(ECCV)

2606.27718 2026-06-29 cs.CV 新提交

MASS: Motion-Aligned Selective Scan for Refinement in Flow-Based Video Frame Interpolation

MASS: 面向基于光流的视频帧插值优化的运动对齐选择性扫描

Jun-Sang Yoo, Seung-Won Jung

机构 * Department of Electrical Engineering, Korea University（高丽大学电气工程学院）

AI总结提出运动对齐选择性扫描（MASS）框架，通过沿光流轨迹构建特征序列并用状态空间模型聚合，以解决大运动和非线性运动下的视频帧插值难题，在标准基准上取得领先性能。

Comments Accepted in ECCV 2026

2606.27554 2026-06-29 cs.CV 新提交

Understanding Cross-Rig Generalization in Automotive Perception: a Multi-Rig Benchmark and Rig Variation Metrics

理解自动驾驶感知中的跨传感器配置泛化：多配置基准与配置变化度量

Tim Alexander Bader, Tim Dieter Eberhardt, Maximilian Dillitzer, Wilhelm Stork

机构 * Dept. of Highly Automated and Assisted Driving, Dr. Ing. h.c. F. Porsche AG（保时捷股份公司高度自动化与辅助驾驶部门）； Institute for Information Processing Technologies, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院信息处理技术研究所）； Faculty of Mobility and Technology, Esslingen University of Applied Sciences（埃斯林根应用科学大学移动性与技术学院）

AI总结针对自动驾驶感知中传感器配置变化导致的领域差距，构建了包含14种系统化相机配置的基准，提出两种基于标定的配置描述符（配置方差和配置对比距离），实验证明几何配置差异与性能变化强相关。

Comments Accepted at ECCV 2026; Project Page: https://badertim.github.io/plentiful-carla-camera-rigs

2606.27514 2026-06-29 cs.CV 新提交

Tessellating The Earth

镶嵌地球

Daniel Cher, Hamza Iqbal, Eric Xing, Brian Wei, Nathan Jacobs

机构 * Washington University in St. Louis（圣路易斯华盛顿大学）

AI总结提出可学习的球面Voronoi分区位置编码器TTE，通过全局语义令牌共享语义，在多项地理空间任务上达到最优。

Comments European Conference on Computer Vision -- ECCV 2026

2606.27444 2026-06-29 cs.CV 新提交

SemCityLoc: Aerial 6DoF Localization Using Semantic 3D City Models

SemCityLoc: 使用语义3D城市模型的航空6自由度定位

Jingfeng Mao, Xuyang Chen, Qilin Zhang, Oussema Dhaouadi, Guangming Wang, Brian Sheil, Daniel Cremers, Yan Xia, Olaf Wysocki

机构 * Technical University of Munich（慕尼黑工业大学）； University of Cambridge（剑桥大学）； University of Science and Technology of China（中国科学技术大学）； Munich Center for Machine Learning（慕尼黑机器学习中心）； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）； ETH Zurich（苏黎世联邦理工学院）

AI总结提出SemCityLoc，通过语义-几何对齐将航空位姿估计转化为结构化表面配准，利用基础模型视觉先验和标准化LoD城市模型，在重复遮挡环境中提升位姿判别性，并引入首个真实基准SemCityLockeD，实现定位误差从9.89m降至2.62m。

Comments accepted by ECCV 2026

2606.26716 2026-06-29 eess.IV cs.CV 新提交

Dual-Prior Guided Null-Space Learning with Mixture-of-Splines for Arbitrary Medical Slice Super-Resolution

双先验引导的零空间学习与样条混合用于任意医学切片超分辨率

Haofei Song, Siyuan Xu, Xintian Mao, Shaojie Guo, Qingli Li, Yan Wang

机构 * Shanghai Key Laboratory of Multidimensional Information Processing（上海多维信息处理重点实验室）； East China Normal University（华东师范大学）

AI总结提出DP-NSL框架，通过测量一致性投影和样条混合模块，在零空间内学习几何连续先验，实现任意尺度医学切片超分辨率，保持测量一致性并优于现有方法。

Comments Accepted to ECCV 2026! Project page: https://github.com/DeepMed-Lab-ECNU/Medical-Image-Reconstruction

2606.26551 2026-06-29 cs.CV 新提交

PhyEditBench: A Real-World Multi-Stage Benchmark for Physics-Aware Image Editing

PhyEditBench: 一个用于物理感知图像编辑的真实世界多阶段基准

Shengbin Guo, Shaokang He, Chaoyue Meng, Shengpeng Xiao, Xunzhi Xiang, Shaofeng Zhang, Qi Fan

机构 * Nanjing University（南京大学）； SDU（山东大学）； HRBEU（哈尔滨工程大学）； SDUTCM（山东中医药大学）； USTC（中国科学技术大学）

AI总结提出PhyEditBench基准，通过分层分类和真实/反物理实例评估编辑模型的物理理解能力，并引入训练无关基线PhyWorld利用视频生成推理。

Comments 19 pages, 6 figures, 2 tables. Accepted to ECCV 2026

2606.25343 2026-06-29 cs.CV 新提交

Invoice Haystack: Benchmarking Document Retrieval and Visual Question Answering Under Strong Visual Homogeneity

发票草垛：强视觉同质性下的文档检索与视觉问答基准测试

Heethanjan Kanagalingam, Thenukan Pathmanathan, Mokeeshan Vathanakumar, Basim Azam, Sarah Monazam Erfani, Naveed Akhtar

机构 * The University of Melbourne（墨尔本大学）； Lakehead University（湖首大学）

AI总结针对视觉同质文档集合中的检索困难，提出Invoice Haystack基准和VL-RAG混合检索框架，通过文本与视觉嵌入融合及VLM验证过滤，显著提升检索准确率。

Comments Accepted to presentation at ECCV 2026

2606.23686 2026-06-29 cs.RO 新提交

LIBERO-Safety: A Comprehensive Benchmark for Physical and Semantic Safety in Vision-Language-Action Models

LIBERO-Safety：视觉-语言-动作模型中物理与语义安全的综合基准

Rongxu Cui, Zongzheng Zhang, Jingrui Pang, Haohan Chi, Jinbang Guo, Saining Zhang, Shaoxuan Xie, Xin Jin, Yao Mu, Jiaolong Yang, Guocai Yao, Xianyuan Zhan, Ya-Qin Zhang, Hao Zhao

机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院）； Beijing Academy of Artificial Intelligence (BAAI)（北京智源人工智能研究院）； Beihang University（北京航空航天大学）； Eastern Institute of Technology, Ningbo（宁波东方理工大学）； Shanghai Jiao Tong University（上海交通大学）； Microsoft Research Asia (MSRA)（微软亚洲研究院）

AI总结针对视觉-语言-动作模型操作安全未验证的问题，提出参数化安全基准和关键帧驱动数据生成流水线，构建大规模无碰撞数据集，系统评估八种模型，揭示泛化-安全张力。

Comments Accepted by ECCV 2026, Project Page: https://libero-safety.github.io/