ECCV

Weight-Space Mixture-of-Experts for Implicit Neural Representation Classification

用于隐式神经表示分类的权重空间专家混合模型

Stanislaw Janik, Michal Byra

机构 * Institute of Fundamental Technological Research, Polish Academy of Sciences（波兰科学院基础技术研究所） ； Samsung AI Center（三星人工智能中心） 纠错

AI总结 提出分层专家混合Transformer结合元学习框架，在权重空间实现隐式神经表示分类，在多分辨率基准达最优准确率，还揭示了INRs编码判别信息的结构特性。

Comments ECCV 2026, 22 pages

Learning from Adversity: Semantic-Aware Mask Refinement through Adversarial Perturbation

从逆境中学习：通过对抗性扰动实现语义感知的掩码细化

Beomyoung Kim, Sung Ju Hwang

机构 * NAVER Cloud（NAVER云） ； KAIST（韩国科学技术院） 纠错

AI总结 提出Phoenix框架，用对抗学习生成语义噪声、对比学习建模细化关系，在图像分割掩码细化任务中性能优于现有方法，可提升先进分割模型。

Comments ECCV 2026

Rethinking Detection Calibration: A Coordinate and Direction Perspective

重新思考检测校准：坐标与视角方向

Juyong Lee, Seungjin Jung, Jungmin Lee, Sunju Lee, Jongwon Choi

机构 * Chung-Ang University（中央大学） 纠错

AI总结 针对现有检测校准仅关注框级定位的不足，提出ReDC框架，定义坐标级对齐与偏差方向，生成可靠坐标级置信度，实验表明其定位精度优于现有方法且覆盖原有校准方法范围。

Comments Accepted by ECCV 2026