期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
分而治之：多模态世界模型的解耦表示对齐
机构 * Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学） ； CSU（中南大学） ； ZJU（浙江大学） ； CUHK（香港中文大学） ； UCAS（中国科学院大学） ； Alibaba Group（阿里巴巴集团）
AI总结 提出M²-REPA方法，通过解耦扩散模型中间表示中的模态特定特征并与对应的专家基础模型对齐，实现多模态视频生成中多种基础模型先验的充分利用，显著提升视觉质量和长期一致性。
Comments Accepted to ECCV 2026
Ink3D: 通过视频生成模型雕刻具有极其复杂纹理的3D资产
机构 * ZGCA & ZGCI（ZGCA 和 ZGCI） ； Microsoft Research（微软研究院） ； Zhejiang University（浙江大学） ； HKUST（香港科技大学）
AI总结 提出Ink3D框架，利用大规模视频生成模型合成复杂纹理，通过OrbitPainter生成密集轨道扫描视频，并用TextureOptimizer进行神经烘焙以生成一致纹理。
Comments Accepted to ECCV 2026. Project page: https://yuehan99.github.io/Ink3D-TextureGen/
迈向度量无关的轨迹预测
机构 * RWTH Aachen University（亚琛工业大学） ； Eindhoven University of Technology（埃因霍温理工大学）
AI总结 提出度量无关的概率训练目标，并引入TraDiE策略将预测分布映射为轨迹和置信度，实现度量优化作为下游任务，在Waymo基准上取得最优结果。
Comments ECCV 2026. Project page at https://vision.rwth-aachen.de/TraDiE-policies
LongVQUBench：评估视觉语言模型的长期视频质量理解能力
机构 * Nanyang Technological University（南洋理工大学）
AI总结 提出LongVQUBench基准，包含1200+长视频和1500个问题，通过三级评估（局部、跨事件、全局）和针孔失真问答范式，揭示现有LVLMs在长视频质量理解上的局限性。
Comments Accepted at European Conference on Computer Vision 2026
AVSR-Diff: 用于时间一致任意尺度视频超分辨率的尺度无关扩散先验
机构 * KAIST（韩国科学技术院） ； CMLab, Chung-Ang University（中央大学CMLab）
AI总结 提出AVSR-Diff框架，通过解耦尺度无关的潜在去噪与连续坐标渲染，并引入时间门控特征循环和尺度感知傅里叶细化模块，实现任意尺度下的高保真时间一致视频超分辨率。
Comments Accepted to ECCV 2026. Project page: https://kaist-viclab.github.io/AVSR-Diff/
直接以最小信息损失压缩大规模数据集
机构 * University College London（伦敦大学学院） ； Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； University of Macau（澳门大学）
AI总结 针对现有数据集蒸馏方法因隐式双压缩导致信息损失和跨架构泛化差的问题，提出CIM框架，通过直接量化并最小化原始与合成数据集间的信息差距，实现高保真信息压缩，在ImageNet-1K上以IPC=10、80分钟训练达到48.7% Top-1准确率。
Comments Accepted by ECCV 2026
MG-RWKV：用于时序伪造定位的多粒度上下文感知RWKV
机构 * Tsinghua University（清华大学） ； Soochow University（苏州大学）
AI总结 提出MG-RWKV框架，利用RWKV的数据依赖状态演化实现O(T)复杂度的全序列处理，通过双向RWKV、多粒度专家混合和跨粒度一致性机制，在低计算成本下达到时序伪造定位任务的最优性能。
Comments Accepted to ECCV 2026
DeWorldSG: 基于世界模型先验的深度感知3D语义场景图生成
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； La Trobe University（拉筹伯大学）
AI总结 提出DeWorldSG框架，通过深度引导滤波估计实例级3D高斯分布，并利用世界模型先验聚合时空证据，生成时空鲁棒的3D语义场景图，在对象和谓词预测上达到最先进性能。
Comments 19 pages, 6 figures, ECCV 2026
通过平坦极小值优化改进稀疏视角3DGS泛化能力
机构 * Sungkyunkwan University（成均馆大学）
AI总结 针对稀疏视角下3DGS过拟合问题，提出基于平坦极小值优化的轻量训练框架，通过各向异性高斯扰动和周期性重初始化提升泛化性能。
Comments Accepted to ECCV 2026. Project Page: https://kangrnin.github.io/FlatMinGS
MoVA: 面向模块化长视频-文本对齐的非对称双投影学习
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 针对视频-文本对比学习中时间错位和语义不对称问题，提出MoVA框架，通过非对称双投影（文本侧自适应选择帧感知子空间，视频侧解缠文本相关视觉概念）实现灵活对齐，在多个任务上超越现有方法。
Comments ECCV 2026
GKDT: 通用关键点检测Transformer
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Australian National University（澳大利亚国立大学） ； Tencent Inc.（腾讯公司） ； Adelaide University（阿德莱德大学）
AI总结 提出通用关键点检测模型GKDT，基于大规模统一数据集MegaKPT和DINOv3 Transformer，支持视觉/文本提示，在22个测试集上多数类别PCK@0.1超90%。
Comments Accepted by ECCV 2026
面向内存高效的自回归视频生成：基于实例特定参数吸收
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； The University of Hong Kong（香港大学） ； AMAP, Alibaba Group（阿里巴巴集团高德地图）
AI总结 提出ISPA框架，通过将历史上下文吸收到模型权重中，将部分注意力层从全局注意力转换为局部注意力，在保持视觉质量的同时减少50%的KV缓存。
Comments ECCV 2026 Camera Ready
DART: 难度自适应路由用于零样本视频时间定位
机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； Wuhan University（武汉大学） ； University of California, Merced（加州大学默塞德分校）
AI总结 提出DART方法，通过难度感知路由和结构化推理，利用DPP选择关键帧并评估难度，对简单查询快速预测，复杂查询使用时间标记提示分解定位，在零样本视频时间定位中取得SOTA性能。
Comments Accepted to the European Conference on Computer Vision (ECCV) 2026
域算术：环境变化下的单次VLA适应
机构 * Seoul National University（首尔国立大学）
AI总结 提出域算术（DART）方法，通过权重向量算术和子空间对齐，仅需单次演示即可适应环境变化，在视觉和实体变化场景下优于现有方法。
Comments ECCV 2026. Project page: https://twkang43.github.io/projects/dart
并非所有预测目标都能保持无训练扩散引导在流形上
机构 * Seoul National University of Science and Technology（首尔科学技术大学）
AI总结 本文分析不同预测目标对无训练扩散引导中干净图像估计精度的影响，提出x预测能最可靠地保持引导样本在数据流形上，并引入Child FID指标评估流形损伤。
Comments Accepted to ECCV 2026. 15-page main paper with appendix (48 pages total, 14 figures). Project page: https://manluml.github.io/on-manifold-tfg
EPO：基于边缘位姿优化的3D基础模型增强
机构 * Graz University of Technology（格拉茨技术大学） ； Sony Europe（索尼欧洲）
AI总结 提出EPO，一种无跟踪的几何优化框架，通过边缘图对齐替代特征提取和轨迹构建，提升3D基础模型的SfM重建精度，在降低运行时和内存的同时匹配或超越束调整方法。
Comments Accepted at ECCV 2026
标题瓶颈模型
机构 * Dept. of Computer Eng., Middle East Technical University (METU)（中东技术大学计算机工程系） ； Robotics & AI Center (ROMER), METU（中东技术大学机器人与人工智能中心）
AI总结 提出标题瓶颈模型（CaBM），用自由形式自然语言替代固定概念集，通过LMM生成标题并严格基于文本训练分类器，实现无信息泄露的架构并自主发现高质量概念。
Comments Accepted to ECCV 2026
ECoSim：面向可控交通模拟的数据高效微调
机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出轻量级控制适应框架，通过身份初始化的FiLM层调制中间特征，为预训练的扩散和自回归交通模型添加多模态控制（草图、潜在行为编码和文本），使用不到1%的配对数据实现强可控性。
Comments European Conference on Computer Vision (ECCV) 2026
NoPA: 非参数化在线3D场景图生成
机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系）
AI总结 针对现有3D场景图生成方法无法实时运行的问题，提出NoPA，用非参数化分布表示物体，保留几何细节，并通过基于最大均值差异的合并策略和关系传播，实现实时且准确的在线场景图生成。
Comments This paper has been accepted in ECCV 26
SPECSIA：用于基于绘图的3D动画中新颖视角增强的风格化数据集
机构 * School of Electrical Engineering, KAIST, Daejeon, Republic of Korea（韩国成均馆大学电子工程学院） ； Department of AI, Chung-Ang University, Seoul, Republic of Korea（韩国 Chung-Ang 大学人工智能系）
AI总结 提出SPECSIA-15K数据集和DraViE模块，通过数据先验去除新颖视角伪影，提升动画保真度和时间一致性，降低每角色适应成本。
Comments ECCV 2026
HieDG: 一种用于多动物跟踪的层次化离散几何引导框架
机构 * State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所脑认知与脑启发智能技术国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； School of Technology, Beijing Forestry University（北京林业大学工学院） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学前沿交叉科学学院） ； College of Computer Science, Sichuan University（四川大学计算机学院） ； C²DL, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所C²DL） ； School of Automation, Chongqing University（重庆大学自动化学院） ； Faculty of Life and Health Sciences, Shenzhen University of Advanced Technology（深圳理工大学生命健康学院） ； School of Future Technology, University of Chinese Academy of Sciences（中国科学院大学未来技术学院）
AI总结 针对多动物跟踪中外观相似、密度高和运动不规则导致的身份关联困难，提出HieDG框架，通过两级残差码本将连续几何信号离散化为结构化令牌，与视觉嵌入对齐并集成到查询中，显著提升身份一致性。
Comments Accepted to ECCV 2026
GenSP：通过学习形状生成模型实现一致的球面参数化
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Colorado Boulder（科罗拉多大学博尔德分校）
AI总结 提出GenSP框架，通过学习神经生成模型预测从单位球面到形状的连续映射，并通过逆映射获得一致的球面参数化，显著降低几何畸变并提升跨形状一致性。
Comments Accepted at ECCV 2026. Sai Karthikey Pentapati and Shashank Gupta contributed equally to this work
面向演化环境中具身智能体的多尺度世界模型混合
AI总结 提出MuSix框架，通过尺度感知的世界模型混合与演化，解决具身智能体在动态环境中的多尺度推理和知识适应问题，在EmbodiedBench和HAZARD上超越现有方法。
Comments Accepted at ECCV 2026. 15 pages
VideoSearch-R1: 通过软查询细化实现迭代视频检索与推理
机构 * KAIST（韩国科学技术院） ； Korea University（高丽大学）
AI总结 提出VideoSearch-R1框架，通过软查询细化（SQR）在连续潜空间优化搜索查询，结合GRPO训练，实现大规模视频库的迭代检索与精确时序定位，性能达SOTA。
Comments Accepted to ECCV 2026
信息正则化注意力用于以视觉为中心的推理
机构 * FAIR at Meta（Meta 的 FAIR 部门） ； Rochester Institute of Technology（罗切斯特理工学院）
AI总结 针对视觉语言模型中的对象幻觉、视觉基础弱和灾难性遗忘问题，提出信息正则化注意力机制，通过随机注意力显式调控视觉信息注入，改善表示学习稳定性。
Comments Accepted by ECCV 2026
HyFL-CLIP: 用于鲁棒长上下文理解的CLIP双曲微调
机构 * Dept. of Electrical and Computer Engineering（电气与计算机工程系） ； IPAI ； INMC & AIIS（智能计算与人工智能研究所） ； Seoul National University（首尔国立大学）
AI总结 提出HyFL-CLIP，通过双曲空间微调CLIP，利用跨流形相似性蒸馏和爱因斯坦中点聚合建模层次蕴含关系，提升长上下文理解鲁棒性，在文本扰动下长文本跨模态检索提升高达19.5%。
Comments Accepted to ECCV 2026. Project page: https://janeyeon.github.io/hyflclip
MedCAGD：用于高效医学图像分割的上下文感知门控解码器
机构 * School of Computing, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院计算学院） ； Department of Energy, Aalborg University（奥尔堡大学能源系）
AI总结 提出一种上下文感知门控解码器，通过轻量多尺度通道重校准、门控跳跃融合和全局上下文聚合机制，有效利用预训练编码器特征，在11个基准上优于强基线。
Comments Accepted at the European Conference on Computer Vision (ECCV 2026)
文本到图像扩散模型安全对齐中的高效用幻觉
机构 * Institute of Artificial Intelligence University of Central Florida（中佛罗里达大学人工智能研究所）
AI总结 揭示安全对齐方法在粗粒度指标上看似高效用，但在细粒度语义正确性上显著下降，提出结构感知几何正则化（SAGE）以恢复结构化效用。
Comments ECCV 2026
活力感知压缩：面向高效图像到形状扩散Transformer
机构 * KRAFTON AI, Republic of Korea（KRAFTON AI, 韩国） ； Amazon, Australia（亚马逊, 澳大利亚）
AI总结 提出首个针对图像到形状扩散Transformer的压缩方法，通过活力引导的结构化剪枝、自适应量化和微调，在保持几何保真度下实现高达66%的模型尺寸缩减。
Comments Accepted to ECCV 2026
MEPA: 基于专家混合的多尺度表示对齐用于视觉自回归建模
机构 * State Key Laboratory of Integrated Services Networks, Xidian University（西安电子科技大学综合业务网理论及关键技术国家重点实验室） ； Huawei Technologies Co., Ltd.（华为技术有限公司）
AI总结 针对视觉自回归模型在多尺度表示学习中的优化冲突和语义传播问题，提出尺度感知的专家混合架构和残差特征聚合方案，提升训练效率和生成质量。
Comments 15 pages, 4 figures, 8 tables, Accepted at ECCV 2026
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