ECCV

From Draft to Draft-Free: One-Step Video Object Removal via Privileged Distillation and Fast Planting

从带草稿到无草稿：通过特权蒸馏和快速植入实现一步视频对象移除

Zizhao Chen, Ping Wei, Guang Dai, Jingdong Wang, Mengmeng Wang

机构 * Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（西安交通大学人工智能与机器人研究所） ； SGIT AI Lab, State Grid Corporation of China（国家电网公司SGIT人工智能实验室） ； Zhejiang University of Technology（浙江工业大学） ； Baidu（百度） 纠错

AI总结 研究视频对象移除问题，提出D2DF框架，通过特权蒸馏和自引导快速植入模块，将教师模型多步细化能力提炼到学生模型，实现一步视频对象移除，在质量和效率上优于传统及多步生成方法。

Comments Accepted by ECCV 2026

TanGO: Training-Free 3D Editing via Tangent-Space Guidance and Optimization

TanGO：通过切线空间引导和优化实现免训练3D编辑

Siwoo Lim, Sunjae Yoon, Gwanhyeong Koo, Hyeonseo Yun, Chang D. Yoo

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Chung-Ang University（中央大学） 纠错

AI总结 研究针对3D生成模型免训练编辑存在语义伪影的问题，提出TanGO框架，通过在切线空间自适应逐令牌引导，制定最优控制规则并确定控制信号强度，减少结构伪影，性能优于现有基线。

Comments ECCV 2026

GeoDetect: Geometric Adversarial Detection for VLPs

GeoDetect：用于视觉语言预训练模型的几何对抗检测

Afsaneh Hasanebrahimi, Hanxun Huang, Christopher Leckie, James Bailey, Sarah Erfani

AI总结 研究视觉语言预训练模型易受对抗攻击问题，基于其嵌入空间几何结构特点，提出GeoDetect方法，利用几何分数识别对抗样本，经综合评估，该方法能可靠检测多种VLP架构及威胁设置下的对抗样本，提升模型安全性与可靠性。

Comments ECCV 2026

Breaking the Model Forgetting Cycle in Long-Incremental 3D Object Detection

打破长增量3D目标检测中的模型遗忘循环

Peisheng Qian, Jie Xu, Xulei Yang, Na Zhao

机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； Institute for Infocomm Research, A*STAR（资讯通信研究院，新加坡科技研究局） 纠错

AI总结 针对长增量3D目标检测中模型易遗忘问题，提出LDMR框架，通过监测训练检查点的类检测质量，驱动类人阶段内回顾和场景感知跨阶段记忆进化机制，有效减轻模型遗忘，性能优于基线。

Comments ECCV 2026

MixCompress: Mixture of Experts for Variable Rate Learned Image Compression

MixCompress：用于可变速率学习图像压缩的专家混合模型

Calvin-Khang Ta, Praneet Singh, Tong Shao, Peng Yin

机构 * Dolby Laboratories（杜比实验室） 纠错

AI总结 研究针对学习图像压缩中为各率失真点存独立模型的问题，提出MixCompress框架，用稀疏门控专家混合路由减轻梯度冲突，引入深度混合扩展动态扩模型容量，结合条件辅助变换，有效提升性能，建立新的帕累托前沿。

Comments Accepted to ECCV 2026

Zero-Shot Quantization for Object Detectors using Off-the-Shelf Generative Models

利用现成生成模型实现目标检测器的零样本量化

Hyunho Lee, Kyomin Hwang, Hyeonjin Kim, Suyoung Kim, Sunghyun Wee, Nojun Kwak

机构 * Seoul National University（首尔大学） ； LG Electronics（LG电子） 纠错

AI总结 提出GoodQ框架，利用现成生成模型构建训练集，通过信息密集提示、内在分布感知选择和教师引导自适应降噪，解决零样本量化目标检测中的多实例、类别不平衡和伪标签噪声问题，在低比特（W4A4）达到最优性能。

Comments Published at ECCV 2026

Toward Robust In-Context Segmentation via Concept Guidance

通过概念引导实现鲁棒的上下文分割

Zhigang Chen, Xiawu Zheng, Rongrong Ji

机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（厦门大学多媒体可信感知与高效计算教育部重点实验室） 纠错

AI总结 提出概念引导的上下文分割（CG-ICS），通过提取参考图像的高层语义概念而非仅依赖低层视觉匹配，结合文本概念与视觉示例，显著提升分割准确性和鲁棒性。

Comments ECCV 2026

ME-IQA: Memory-Enhanced Image Quality Assessment via Re-Ranking

ME-IQA: 通过重新排序增强的记忆图像质量评估

Kanglong Fan, Tianhe Wu, Wen Wen, Jianzhao Liu, Le Yang, Yabin Zhang, Yiting Liao, Junlin Li, Li Zhang

机构 * City University of Hong Kong（香港城市大学） ； ByteDance Inc.（字节跳动公司） 纠错

AI总结 ME-IQA通过构建记忆库和利用推理摘要检索语义和感知对齐的邻居，将VLM重构为概率比较器，并通过门控反思和记忆巩固提升未来决策，从而实现更密集的失真敏感预测，缓解离散崩溃问题。

Comments Published as a conference paper at ECCV 2026

WorldWander: Bridging Egocentric and Exocentric Worlds in Video Generation

WorldWander：在视频生成中连接自我中心和外中心世界

Quanjian Song, Yiren Song, Kelly Peng, Yuan Gao, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室） 纠错

AI总结 研究聚焦视频生成中自我中心与外中心世界转换，提出WorldWander框架，基于视频扩散变换器，整合上下文视角对齐与协作位置编码，精心策划数据集，实验证明该框架在视角同步、角色一致性和泛化能力上表现卓越，设定了新基准。

Comments Accepted by ECCV 2026; Code: https://github.com/showlab/WorldWander