期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
ELVA：探索排序驱动的通用多模态检索
机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家级重点实验室） ； Institute of Artificial Intelligence and Robotics（人工智能与机器人研究院） ； MiLM Plus ； Xiaomi Inc（小米公司） ； Zhongguancun Academy（中关村学院） ； Beijing, China（北京市）
AI总结 提出ELVA框架，通过基于规则的强化学习缓解对比学习中的粒度盲视问题，在通用多模态检索中实现排序优化，并在新基准MRBench上提升13.1%。
Comments Accepted by ECCV 2026
三角一致性作为光流学习的通用约束
机构 * Louisiana State University（路易斯安那州立大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Yale University（耶鲁大学）
AI总结 提出三角一致性约束，通过组合两个光流诱导第三个光流并强制三者一致，适用于不同网络架构、监督类型和数据集，在监督、无监督和迁移学习中均提升性能。
Comments Accepted by ECCV 2026
DF3DV-1K：用于无干扰新视角合成的大规模数据集与基准
机构 * University of Technology Sydney（悉尼科技大学） ； University of Sydney（悉尼大学） ； National Yang Ming Chiao Tung University（阳明交通大学）
AI总结 为弥补无干扰辐射场领域缺乏大规模真实世界数据集的空白，构建了包含1048个场景、每场景提供干净和杂乱图像集的DF3DV-1K数据集，并基于此基准测试了九种最新方法，识别出最鲁棒的方法和最具挑战的场景。
Comments ECCV 2026 Accepted
Dress-ED：基于指令的虚拟试穿和试脱编辑
机构 * University of Modena（摩德纳大学） ； University of Trento（特伦托大学） ； University of Pisa（比萨大学）
AI总结 本文提出Dress-ED数据集，首次统一了虚拟试穿、试脱和文本引导的服装编辑，包含146k个样本，涵盖外观和结构修改，提供统一的多模态扩散框架作为指令驱动的VTON和VTOFF基线。
Comments Accepted at ECCV 2026. Project page at https://aimagelab.github.io/Dress-ED/
多模态大语言模型在胃肠诊断中的临床认知对齐
机构 * SKL-IOTSC, CIS, University of Macau（澳门大学协同创新研究院物联网国家重点实验室） ； Shanghai Jiao Tong University（上海交通大学） ； COWARobot Co. Ltd.（COWARobot有限公司）
AI总结 本文提出CogAlign框架，通过构建层次化临床认知数据集和监督微调提升模型临床分析能力，并采用反事实强化学习消除视觉偏差，实现胃肠诊断的因果关联与高准确率。
Comments ECCV 2026
LivingWorld：基于环境动态的交互式4D世界生成
机构 * Pusan National University（釜山国立大学）
AI总结 本文提出LivingWorld框架，通过单张图像生成具有环境动态的4D世界，解决大规模环境动态建模中的一致性与低延迟问题，采用几何感知对齐模块和紧凑哈希运动场实现高效动态传播。
Comments Accepted by ECCV 2026
CLARITY：用于通过在潜在空间中建模情境感知疾病轨迹来指导治疗决策的医学世界模型
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 CLARITY通过在潜在空间中建模时间间隔和患者特定数据，预测疾病演变轨迹，生成个性化治疗方案，并在医学领域实现最先进的治疗规划性能。
Comments Accepted to ECCV 2026
WorldMesh: 通过网格条件图像扩散生成可导航的多房间3D场景
机构 * Technical University of Munich（慕尼黑技术大学）
AI总结 本文提出WorldMesh方法，通过网格条件图像扩散生成大规模多房间3D场景，结合结构化网格与真实外观合成，实现高丰富度和多样性的3D环境生成。
Comments Accepted to ECCV 2026. Project page: https://mschneider456.github.io/world-mesh/ Video: https://www.youtube.com/watch?v=MKMEbPT38-s Code: https://github.com/mschneider456/worldmesh
利用无人机影像估计单株树木高度和树种
机构 * Mila – Quebec AI Institute（魁北克AI研究院） ； Université de Montréal（蒙特利尔大学） ； McGill University（麦吉尔大学）
AI总结 本文提出BIRCH-Trees基准，结合三种森林类型数据，引入DINOvTree模型，通过Vision Foundation Model实现高度和树种同时预测，实验表明其在参数效率和预测精度上表现优异。
Comments Accepted to ECCV 2026. Project page: https://RolnickLab.github.io/DINOvTree
分布匹配蒸馏与强化学习的结合
机构 * HKUST（香港科技大学） ； Alibaba Group（阿里巴巴集团） ； SIAT, CAS（中国科学院深圳先进技术研究院） ； Shanghai AI Lab（上海人工智能实验室） ； ZJUT（浙江工业大学） ； CUHK（香港中文大学）
AI总结 本文提出DMDR框架，结合奖励倾斜分布匹配与动态蒸馏策略，通过联合优化提升生成质量与可控性，优于多步生成模型。
Comments [ECCV 26] The synergy of reinforcement learning and distribution matching distillation. See more: https://github.com/vvvvvjdy/dmdr
SpecEyes: 通过推测感知和规划加速代理多模态大语言模型
AI总结 SpecEyes通过推测规划框架减少代理多模态大语言模型的序列开销，提升并发性能，实验显示在保持准确性的同时实现1.1-3.35倍的加速。
Comments ECCV 2026, Code: https://github.com/MAC-AutoML/SpecEyes
CHIMERA：适应性缓存注入与语义锚点提示的零样本图像变形方法：基于变形导向的度量
机构 * Chung-Ang University（Chung-Ang 大学） ； Princeton University（普林斯顿大学）
AI总结 CHIMERA通过逆向引导去噪和互补特征重用，解决传统图像变形方法中特征重用不充分和文本条件不兼容的问题，提出语义锚点提示和变形导向度量，提升变形效果的平滑性和语义一致性。
Comments ECCV 2026 (camera ready ver.). Please visit our project page at https://cmlab-korea.github.io/CHIMERA/
Ctrl-Z Sampling：通过受控随机zigzag探索扩展扩散采样
机构 * School of Computer Science, The University of Sydney（悉尼大学计算机科学学院）
AI总结 本文提出Ctrl-Z采样方法，通过检测质量景观中的高原并进行受控探索，提升扩散模型生成质量，在不同NFE预算下均表现优异。
Comments ECCV 2026
动态生成视频中3D空间几何一致性的测量
机构 * Tongji University（同济大学） ； Tsinghua University（清华大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出SGC指标，用于评估动态生成视频中的3D空间几何一致性，通过分析多个相机姿态的分歧度来量化几何不一致问题，实验证实其能有效识别现有方法遗漏的关键故障。
Comments Accepted at ECCV 2026. Code is available at https://github.com/tj12323/SGC
VesselTok: 基于血管状3D生物医学图表示的分词方法用于重建与生成
机构 * University of Zurich, Switzerland（苏黎世大学） ； ETH AI Center, Zurich, Switzerland（苏黎世联邦理工学院人工智能中心） ； Technical University of Munich, Germany（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML), Germany（慕尼黑机器学习中心（MCML））
AI总结 本文提出VesselTok框架，通过参数化形状视角学习血管状结构的潜在表示，实现复杂拓扑结构的稳健编码，并在不同解剖学中展示其生成和逆向问题应用的能力。
Comments Accepted to ECCV 2026
基于相关性的多奖励优化用于组合生成
机构 * Korea University（韩国大学） ； Korea Institute of Science and Technology（韩国科学技术院）
AI总结 本文提出相关性加权多奖励优化方法，通过调整概念奖励权重提升多概念生成效果，改进了SD3.5和FLUX.1-dev模型在多概念基准测试中的表现。
Comments Published at ECCV 2026
VLOD-TTA: 视觉语言目标检测器的测试时适应
机构 * International Laboratory on Learning Systems (ILLS)（国际学习系统实验室（ILLS））
AI总结 本文提出VLOD-TTA，通过密集提案重叠和图像条件提示实现低开销的视觉语言目标检测器测试时适应，优于现有方法。
Journal ref European Conference on Computer Vision (ECCV 2026)
BEVLM：将语言模型中的语义知识提炼到鸟瞰视图表示中
机构 * Mercedes-Benz Research & Development North America（梅赛德斯-奔驰研发北美研究所） ； University of California, Irvine（加州大学伊尔弗分校）
AI总结 研究将大语言模型集成到自动驾驶，针对现有方法冗余计算、空间一致性受限等问题，提出BEVLM框架，连接鸟瞰视图表示与大语言模型，能有效提升跨视图驾驶场景推理准确性及端到端驾驶性能。
Comments Accepted to the 2026 European Conference on Computer Vision (ECCV 2026)
流形上的学习：通过表示编码器解锁标准扩散变压器
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究利用表示编码器进行生成建模时标准扩散变压器收敛失败的问题，指出根本原因是几何干扰，提出黎曼流匹配与雅可比正则化方法，使标准扩散变压器无需宽度缩放就能收敛。
Comments ECCV 2026
MetricAnything：利用噪声异构源扩展度量深度预训练
机构 * Li Auto Inc（李自动公司）
AI总结 研究针对度量深度估计扩展难题，提出MetricAnything框架，通过随机掩码创建稀疏度量提示解耦空间推理与偏差，用多样3D数据预训练，在多任务中表现出色，推动度量感知发展。
Comments Accepted to ECCV 2026. Project Page: https://metric-anything.github.io/metric-anything-io/
用于文本到运动生成的重建锚定扩散模型
机构 * South China University of Technology（华南理工大学） ； Joy Future Academy（京东探索研究院）
AI总结 针对文本驱动人体运动生成中预训练文本编码器存在表征差距及迭代去噪过程中误差传播问题，提出重建锚定扩散模型，利用运动潜在空间监督，采用自正则化等目标函数训练，还提出重建误差引导机制，实验表明性能显著提升。
Comments ECCV 2026
SA-ResGS：用于下一个最佳视图选择的自增强残差3D高斯点云绘制
机构 * POSTECH（POSTECH大学） ； KAIST（韩国科学技术院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Rivian
AI总结 提出SA-ResGS框架，通过生成自增强点云稳定不确定性量化，增强不确定性感知监督。采用残差学习策略应对高斯分布监督不足问题，贡献包括物理视图选择策略、不确定性感知残差监督方案等，实验表明其性能优于基线。
Comments Accepted at ECCV 2026. Project page: https://saresgs.github.io/
面向机器人视觉-语言模型的具有推理能力的空间轨迹
AI总结 本文提出RoboTracer，一种3D感知的视觉语言模型，通过空间编码器和回归监督解码器提升空间推理能力，并结合强化学习训练实现多步度量推理，最终在复杂场景中实现高效空间轨迹生成。
Comments Accepted to ECCV 2026. Project page: https://zhoues.github.io/RoboTracer
TexTailor：用于多模态扩散变压器的推理时文本引导剪裁
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Academy of AI for Science（上海人工智能科学研究院）
AI总结 研究基于变压器的扩散模型中不同模块与文本条件的交互。通过系统管道分析各模块功能，提出推理时逐块文本引导剪裁方法，提升文本图像对齐，有多种下游应用，实验表明优于基线。
Comments To appear in ECCV 2026
图谱是理想上下文：用于可泛化基础医学图像分割的一次性定制
机构 * Nanjing University（南京大学） ； The Ohio State University（俄亥俄州立大学） ； Stanford University（斯坦福大学）
AI总结 研究医学图像中解剖结构分割问题，提出图谱引导框架AtlasSegFM，通过图谱查询配准生成提示，用冻结基础模型细化分割，经自适应融合模块结合图谱先验与模型输入及预测，实现一次性定制。
Comments ECCV 2026
IRG-MotionLLM：用于文本到运动生成的交织运动生成、评估和细化
机构 * Sun Yat-sen University（中山大学） ； Tongyi Lab, Alibaba Group（阿里云实验室） ； Shenzhen Loop Area Institute（深圳河套学院） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education, China（教育部人工智能与先进计算重点实验室）
AI总结 研究揭示运动评估和细化任务可促进知识流动，提出通过迭代文本-运动对话将运动生成与评估、细化紧密结合的新范式，介绍IRG-MotionLLM及训练方案，构建数据引擎，实验证明其性能。
Comments Accepted by ECCV 2026
InverseCrafter：作为潜在域逆问题的高效视频重新捕捉
机构 * Graduate School of AI, KAIST, South Korea（韩国釜山国立大学人工智能研究生院） ； EverEx, South Korea（韩国EverEx公司） ； Korea University, South Korea（韩国国立庆熙大学）
AI总结 提出InverseCrafter框架，将新视角视频生成转化为潜在空间基于图像修复的逆问题，通过轻量级潜在掩码编码器建立算子等价，无需标注4D训练数据，实现高效合成与编辑。
Comments ECCV 2026
VKnowU：评估多模态语言模型中的视觉知识理解
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； Shanghai Innovation Institute（上海创新研究院） ； City University of Hong Kong（香港城市大学）
AI总结 研究多模态大语言模型视觉知识理解能力，提出VKnowU基准测试。评估28个模型，发现与人类表现有差距。引入新数据集和VideoKnow+基线模型，采用结构化范式和强化学习，提升模型表现。
Comments Accepted by ECCV 2026. https://github.com/OpenGVLab/VKnowU
平坦最小值能改善稀疏新视图合成吗？
机构 * Yonsei University（延世大学）
AI总结 研究新视图合成中损失锐度与泛化的关系，提出结构感知锐度并根据局部图像结构自适应调整锐度正则化权重，可在保持细节重建所需锐度的同时促进泛化，提升多种基线方法。
Comments ECCV 2026
RoMa v2：更优更快更密集的特征匹配
机构 * Linköping University（_linköping大学） ； Chalmers University of Technology（_chalmers技术大学） ； University of Amsterdam（_阿姆斯特丹大学） ； Centre for Mathematical Sciences, Lund University（_数学科学中心，吕勒奥大学）
AI总结 研究针对现有密集匹配器在复杂场景中表现不佳及高精度模型慢等弱点，通过系列改进构建新架构与损失函数，采用解耦管道加速训练、减少内存使用，利用基础模型提升鲁棒性，新匹配器达新的技术水平。
Comments ECCV 2026 camera ready
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