ECCV

Towards Spatial Supersensing in the Wild

迈向野外空间超感知

Tianjun Gu, Tianyu Xin, Kuan Zhang, Bowen Yang, Kok-Chung Chua, Peize Li, Xinran Zhang, Yupeng Chen, Qiyue Zhao, Qinlei Xie, Jianhang Liu, Yucheng Lu, Yinan Han, Marco Pavone, Yiming Li

机构 * Tsinghua University（清华大学） ； NVIDIA（英伟达） ； Stanford University（斯坦福大学） 纠错

AI总结 研究针对空间超感知中多模态模型基准测试局限于合成视频和家庭场景的问题，引入VSI-Super-Wild基准，受人类认知启发探究世界状态三元组，通过大量真实视频问答对测试发现模型不足及失败模式，为空间超感知发展指明方向。

Comments Accepted to ECCV 2026. Project page: https://vsi-super-wild.github.io/

DP-BOA: Dirichlet-Process Birth-or-Assign for On-the-Fly Category Discovery

DP-BOA：用于实时类别发现的狄利克雷过程出生或分配

Peiyan Gu, Zixin Teng, Xuming He

机构 * ShanghaiTech University（上海科技大学） ； Shanghai Engineering Research Center of Intelligent Vision and Imaging（上海智能视觉与成像工程技术研究中心） 纠错

AI总结 研究实时类别发现问题，提出基于在线狄利克雷过程高斯混合模型的DP-BOA框架，通过比较后验预测证据决定样本归属并在线更新统计，在标准OCD基准测试中性能优异，新类别发现能力强且已知类精度有竞争力。

Comments Accepted at ECCV 2026

TreeSRNF: Square-Root Normal Fields for Generative Modelling of the Geometric and Structural Variability in Tree-like 3D Objects

TreeSRNF：用于树状3D对象几何和结构变异性生成建模的平方根法向场

Tahmina Khanam, Hamid Laga, Mohammed Bennamoun, Guanjin Wang, Ferdous Sohel, Farid Boussaid, Anuj Srivastava

机构 * Murdoch University（莫道克大学） ； University of Western Australia（西澳大利亚大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 该研究针对树状3D对象几何与结构变异性问题，将平方根法向场表示推广到此类对象，构建黎曼树状空间及度量，开发相关算法，可计算统计摘要并合成新对象，性能显著优于现有技术。

Comments ECCV 2026

ScanFocus: A Coarse-to-Fine Framework for Spatio-Temporal Video Grounding

ScanFocus：一种用于时空视频定位的从粗到细框架

Kai Chen, Ming Dai, Wenxuan Cheng, Wankou Yang

机构 * Southeast University（东南大学） 纠错

AI总结 研究时空视频定位问题，提出ScanFocus从粗到细框架，利用统一融合编码器和轻量级模块生成粗略提议，再用语义引导时间聚合器恢复细节，实验表明该方法性能优于以往方法。

Comments this paper has already been accepted by ECCV 2026

DiffGI: Differentiable Geometry Images for High-Fidelity Thin-Shell 3D Generation

DiffGI：用于高保真薄壳3D生成的可微几何图像

Eungjune Shim, Hansol Lee, Eunjung Ju

机构 * CLO Virtual Fashion Inc.（CLO虚拟时尚公司） 纠错

AI总结 DiffGI针对现有3D生成模型问题，提出端到端3D到2D映射框架，用连续函数取代二进制图，引入可微算法，训练相关模型，在薄壳3D生成中实现高保真、高精度，减少计算资源需求。

Comments Accepted to ECCV 2026

Delving into the Temporal Challenges of Unified Video Protection Against Image-to-Video and Fine-Tuning-based Customization

深入探讨统一视频保护在图像到视频和基于微调的定制方面的时间挑战

Yuxin Huang, Ziming Hong, Mingming Gong, Wanyu Wang, Jing Zhang, Tongliang Liu

机构 * The University of Sydney（悉尼大学） ； University of Melbourne（墨尔本大学） ； City University of Hong Kong（香港城市大学） ； Wuhan University（武汉大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

AI总结 研究针对基于扩散模型的视频定制引发的隐私等保护问题，提出TC-UAP方法，通过优化身份级多帧UAP并引入相关时间建模和损失，使其在时间上一致且鲁棒，在多种视频定制及攻击下实现强身份保护。

Comments This work provides a basis for the ECCV 2026 LifeGenIP Challenge on Unlearnable Videos against Diffusion-based Customization. Challenge page: https://lifegenip.cc/competition. Evaluation code: ECCV26_LifeGenIP_starting_kit" target="_blank" rel="noopener">https://github.com/tmllab/ECCV26_LifeGenIP_starting_kit. Project page: https://saythe17.github.io/TC-UAP/

Differentiable Polarized Path Tracing

可微偏振路径追踪

Pramod Rao, Jérémy Riviere, Xilong Zhou, Abhijeet Ghosh, Abhimitra Meka, Thabo Beeler, Marc Habermann, Christian Theobalt, Delio Vicini

机构 * Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； Saarland Informatics Campus（萨尔兰信息学园区） ； VIA Research Center（VIA研究中心） ； Google（谷歌） 纠错

AI总结 研究逆渲染问题，提出偏振感知的可微路径追踪方法，通过路径重放和局部缓存组合估计无偏梯度，能在复杂场景中高效稳定优化材质和光照参数，拓宽基于物理的逆渲染适用性。

Comments Accepted at ECCV 2026

FoundationGeo: Learning Spatial Pixel-Wise Fields for Monocular Metric Geometry

FoundationGeo：学习用于单目度量几何的空间逐像素场

Muxin Liu, Xiaoyang Lyu, Tianhe Ren, Peng Dai, Xiaoshan Wu, Zhiyue Zhang, Jiaqi Zhang, Jiehong Lin, Shaoshuai Shi, Xiaojuan Qi

机构 * The University of Hong Kong（香港大学） ； Voyager Research, DiDi Chuxing（滴滴出行探索研究院） 纠错

AI总结 FoundationGeo是两阶段框架，第一阶段学习高保真几何模型，第二阶段引入校准场生成3D点图。它还解决相机固有覆盖问题，通过合成数据提高鲁棒性。在多基准零射击评估中，该方法增强跨域鲁棒性，性能优于其他基线。

Comments Accepted to ECCV 2026. Project page: https://mx-liu6.github.io/FoundationGeo-web/

Precise Video-to-Audio Generation with Cross-Modal Alignment in Latent Space

在潜在空间中通过跨模态对齐实现精确的视频到音频生成

Thanh V. T. Tran, Ngoc-Son Nguyen, Luong Tran, Long-Khanh Pham, Paarth Neekhara, Shehzeen Hussain, Van Nguyen

机构 * FPT Software AI Center（FPT软件人工智能中心） ； NVIDIA Corporation（NVIDIA公司） 纠错

AI总结 研究视频到音频生成问题，提出Flowley架构，结合视觉特征与文本提示，通过渐进软掩码交叉注意力实现视听同步，无额外计算成本，还提出SoundCap字幕，该方法在多个指标及零样本音频质量上达先进水平。

Comments Accepted to ECCV 2026

Your Data Manifold is Secretly a Reward Model: Shell-LCC for Text-to-Video Generation

你的数据流形实际上是一个奖励模型：Shell-LCC 用于文本到视频生成

Shihao Zhang, Yunzhi Li, Yuguang Yan, Junzhe Zhang, Wei Zhao, Bohan Wang, Hanwang Zhang

机构 * Huawei Central Research Institute（华为中央研究院） ； Guangdong University of Technology（广东技术大学） 纠错

AI总结 提出 Shell-LCC 方法，通过建模高质量 SFT 数据的流形结构，提供密集、可微且几乎零成本的奖励信号，以提升文本到视频生成质量，减少低层失真。

Comments ECCV 2026

SOMA: From Surface Observations to Muscle Anatomy

SOMA：从表面观察到肌肉解剖

Eduardo Alvarado, Emily Kim, Gerrit Nolte, Friedemann Runte, Mario Botsch, Marc Habermann, Christian Theobalt

机构 * Max Planck Institute for Informatics, Saarland Informatics Campus（马克斯·普朗克信息学研究所，萨尔兰信息学园区） ； TU Dortmund University（多特蒙德工业大学） 纠错

AI总结 提出SOMA模型，从多视角RGB相机获取的表面信号推断时空肌肉行为，并构建SKIM数据集，首次实现从多视角RGB数据恢复肌肉变形，提供可扩展的低成本解剖动画方案。

Comments Accepted at ECCV 2026

Holistic Optimal Label Selection for Robust Prompt Learning under Partial Labels

整体最优标签选择用于在部分标签下的鲁棒提示学习

Yaqi Zhao, Haoliang Sun, Yating Wang, Yongshun Gong, Yilong Yin

机构 * Shandong University, Jinan, China（山东大学（济南，中国）） 纠错

AI总结 本文提出Holistic Optimal Label Selection方法，通过局部密度过滤和全局最优传输策略，提升部分标签下的提示学习性能，实验表明其在八个基准数据集上表现优异。

Comments ECCV 2026

Tactile Modality Fusion for Vision-Language-Action Models

触觉模态融合用于视觉-语言-动作模型

Charlotte Morissette, Amin Abyaneh, Wei-Di Chang, Anas Houssaini, David Meger, Hsiu-Chin Lin, Jonathan Tremblay, Gregory Dudek

AI总结 本文提出TacFiLM，一种轻量级模态融合方法，将视觉-触觉信号整合到视觉-语言-动作（VLA）模型中。通过特征级线性调制（FiLM）对中间视觉特征进行条件化，提升接触丰富操作行为的性能。

Comments Accepted to the European Conference on Computer Vision (ECCV), 2026, 20 pages, 5 figures