ECCV

HNDiff: Haze-Noise Diffusion for Image Dehazing

HNDiff：用于图像去雾的雾霾-噪声扩散模型

Jin-Ting He, Fu-Jen Tsai, Yan-Tsung Peng, Min-Hung Chen, Chia-Wen Lin, Yen-Yu Lin

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； National Tsing Hua University（国立清华大学） ； National Chengchi University（国立政治大学） ； NVIDIA（英伟达） 纠错

AI总结 本文提出嵌入大气散射模型的HNDiff扩散框架，通过雾霾感知噪声调度器关联正向退化物理机制，反向同步去雾去噪，改进主流去雾骨干网络并在基准数据集达最优结果。

Comments Accepted to ECCV 2026. Project Page: https://jin-ting-he.github.io/HNDiff

Chartography: A Benchmark for Professional Chart Understanding

Chartography：专业图表理解基准

Suhaas Garre, Chris Mutty, Sushant Mehta, Edwin Chen

机构 * Surge AI 纠错

AI总结 本研究推出含100项任务的Chartography基准，其采用专业领域特定图表格式，评估显示前沿模型在该基准上表现远低于饱和水平，失败集中于视觉感知，研究还发布了相关任务、图像及评估代码。

Comments 16 pages, 5 figures, 5 tables. Accepted at the 2nd Workshop on Benchmarking Evidence-Aligned Multimodal Reasoning (BEAM 2), ECCV 2026

VERDICT: Training-Free Step-Wise Verification of Multimodal Reasoning via Disagreement-Aware Consensus

VERDICT：基于分歧感知共识的多模态推理无训练逐步验证方法

Rohit Sinha, Kunal Tilaganji, Tanuja Ganu, Nagarajan Natarajan, Amit Sharma, Vineeth Balasubramanian

机构 * Indian Institute of Technology, Hyderabad（印度理工学院海得拉巴分校） ； Microsoft Research（微软研究院） 纠错

AI总结 该研究针对多模态大语言模型推理链易出错的问题，提出无训练的VERDICT方法，利用跨模态分歧的闭式解计算共识评分，在六个基准上提升最高达5.95%，性能接近需大量监督的特定领域评论家。

Comments European Conference on Computer Vision 2026

Flow Straight to Reality: Perceptually Consistent Flow Matching for Efficient Image Restoration

直接流向现实：用于高效图像复原的感知一致流匹配

Sangwoo Jo, Donggeun Ko, Jayeon Kang, Youngsang Kwak, Jaehwa Kwak, Sungjoon Choi

机构 * Korea University（高丽大学） ； Aim Future 纠错

AI总结 本文提出PCFlow框架，通过结合潜在一致性流目标、LCPL损失与无冲突梯度投影策略，实现高效图像复原，在低计算成本下取得竞争力性能。

Comments Accepted to ECCV 2026. Code is available at https://github.com/aiimaginglab/PCFlow

DSAR: Dual-Stream Autoregressive Modeling of Temporal Cloth Dynamics for Photorealistic Animatable Avatars

DSAR：用于生成逼真可动画化虚拟化身的布料时序动力学双流自回归建模

Haozhong Xiong, Yao Yu, Yu Zhou, Sidan Du

机构 * Nanjing University（南京大学） 纠错

AI总结 本文提出DSAR双流自回归框架，显式建模布料时序因果结构，解决现有方法布料动力学捕捉不足问题，在多方面性能获显著提升。

Comments Accepted to ECCV 2026. 25 pages, 7 figures, including supplementary material

A second-order theory of texture for depth from focus

聚焦测距的纹理二阶理论

Sreekar Ranganathan, Ioannis Gkioulekas

AI总结 该研究提出基于波动光学的纹理二阶理论，发现传统视为无纹理的表面因主观散斑也会产生纹理，通过窄带光谱滤波器提升二阶纹理对比度，大幅改善看似无纹理场景的被动深度重建效果。

Comments ECCV 2026, project website: https://imaging.cs.cmu.edu/second-order-texture/

CasDeblurGS: Cascaded 2D-to-3D Multi-View Consistency for 3D Gaussian Splatting from Two Blurry Images

CasDeblurGS：用于从两张模糊图像重建3D高斯溅射的级联2D到3D多视图一致性方法

Haeyun Choi, Minhyuk Jang, I-Gil Kim

机构 * University of Virginia（弗吉尼亚大学） ； KT R&D Center（KT研发中心） 纠错

AI总结 CasDeblurGS是一种级联框架，仅用两张已知内参的运动模糊图像即可重建连贯3D场景，在Deblur-NeRF场景上PSNR较基线提升1.19dB和2.11dB，渲染与几何一致性均改善。

Comments Accepted to the ECCV 2026 MUSTCV Workshop. Project page: https://haeyun-choi.github.io/Cascaded2D3D_page/

LEGO: Leveled Language Gaussian Splatting

LEGO：分层语言高斯溅射

Yuning Peng, Haiping Wang, Yuan Liu, Yipeng Lu, Zhen Dong, Bisheng Yang

机构 * Wuhan University（武汉大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 LEGO是一种新方法，通过将多视角SAM粒度转为3D一致层级，结合CLIP嵌入构建分层语言场景图，在3D分割基准上取得最优性能，可赋能大语言模型的空间推理与视觉定位。

Comments Accepted to ECCV 2026. Project page: https://pz0826.github.io/LEGO-Webpage/