ECCV

Where Is the Bee? Detecting Tiny Pollinators with a Single Collaborative-Head Transformer

蜜蜂在哪里？用单协作头Transformer检测小型传粉昆虫

Junsu Kim, Seungryul Baek

机构 * UNIST（蔚山科学技术院） 纠错

AI总结 针对ECCV 2026 BuzzSpot挑战赛中小型传粉昆虫检测的难点，采用带Swin-L骨干的Co-DINO，结合裁剪马赛克池微调与类别加权ETF损失，在无推理增强下获挑战赛第一。

Comments The 1st rank method's paper at CVPPA@ECCV 2026 BuzzSpot Challenge

EsaacSim: A Multimodal Event Camera Add-on for NVIDIA Isaac Sim

EsaacSim：适用于NVIDIA Isaac Sim的多模态事件相机附加组件

Ignacio Bugueno-Cordova, Malte Kuhlmann, Nicolás Navarro-Guerrero, Miguel Campusano, Rodrigo Verschae

机构 * Leibniz Universität Hannover（莱布尼茨汉诺威大学） ； L3S Research Center（L3S研究中心） ； University of Southern Denmark（南丹麦大学） ； University of Chile（智利大学） 纠错

AI总结 本文提出适用于NVIDIA Isaac Sim的多模态事件相机附加组件EsaacSim，可实现多模态事件相机在线仿真，在多种分辨率下具备高效性能，支持机器人研究的多模态仿真与合成数据生成。

Journal ref The 19th European Conference on Computer Vision Workshops (ECCVW 2026); Workshop on Neuromorphic Vision (NeVi)

Linguistically-Aligned and Visually-Grounded Preference Optimization for Clinically-Augmented Medical Report Generation

面向临床增强型医疗报告生成的语言对齐与视觉 grounded 的偏好优化

Qiang Hu, Yuxuan Luo, Yingjie Guo, Hao Wang, Qimei Wang, Qiang Li, Zhiwei Wang

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 针对现有医疗报告生成方法的临床事实错误与视觉-语言对齐不足问题，提出DPO-Clin框架，通过ECD模块、M²DPO及反事实偏好数据构建提升模型可靠性，在多医学数据集上取得优异性能。

Comments Accepted by ECCV 2026

Embeddings based Anomaly Detection for Cleaning Global Crop Type Reference Datasets

基于嵌入的异常检测用于清理全球作物类型参考数据集

Syed Roshaan Ali Shah, Kristof Van Tricht, Christina Butsko, Jeroen Degerickx, Zoltan Szantoi

机构 * VITO Remote Sensing（弗拉芒技术研究所遥感部） ； European Space Agency (ESA)（欧洲航天局） 纠错

AI总结 研究通过地理空间基础模型生成的嵌入能否用于清理全球作物类型参考数据集，提出基于嵌入的局部感知异常检测框架，并通过实验验证其有效性，改进了作物类型模型，为清理地球观测参考数据集提供了可复制扩展的模板。

Comments Camera-ready version. Accepted for Oral Presentation at Terrabytes II at ECCV 2026

Introspective Attention Modulation for Safe Text-to-Image Generation

用于安全文本到图像生成的内省注意力调制

Basim Azam, Hossein Rahmani, Naveed Akhtar

机构 * The University of Melbourne（墨尔本大学） ； Lancaster University（兰卡斯特大学） 纠错

AI总结 研究基于流的文本到图像模型易产生不安全内容的问题，提出通过推理时内省调节注意力动态实现安全的方法，该方法在保持或提升质量的同时显著提高安全分数，为安全图像生成提供新途径。

Comments Accepted at ECCV 2026. 20 pages, 7 figures. Project page: https://basim-azam.github.io/iam/

PinpointQA: A Benchmark for Small Object-Centric Spatial Understanding in Indoor Videos

PinpointQA: 一个用于室内视频中微小物体中心空间理解的数据集和基准

Zhiyu Zhou, Peilin Liu, Ruoxuan Zhang, Luyang Zhang, Cheng Zhang, Hongxia Xie, Wen-Huang Cheng

机构 * Jilin University（吉林大学） ； National Taiwan University（国立台湾大学） 纠错

AI总结 本文提出PinpointQA数据集，用于评估多模态大语言模型在室内视频中对微小物体空间定位的精准理解能力，通过四个递进任务验证模型性能，并展示其作为诊断基准和训练数据集的效果。

Comments Accepted at the ECCV 2026 Workshop on Embodied Multimodal Reasoning in Physical Environments (EMR)

Quieting the Cobwebs: Browser Interaction for Visual Floaters

静音蛛网：用于视觉浮渣的浏览器交互

Kenneth Ge, Jinglin Li, Shikhar Ahuja

AI总结 本文提出了一种基于眼物理的浮渣模拟工具，用于评估不同运动水平下的文本可读性，并开发了一个新型浏览器扩展，通过减少眼球运动来最大化浏览器任务的信噪比，适用于所有UI元素。

Comments Accepted at ECCV 2026 HCV Workshop

GridVAD: Open-Set Video Anomaly Detection via Spatial Reasoning over Stratified Frame Grids

GridVAD: 通过分层帧网格上的空间推理实现开放集视频异常检测

Mohamed Eltahir, Ahmed O. Ibrahim, Obada Siralkhatim, Tabarak Abdallah, Sondos Mohamed

机构 * King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学） ； Independent Researcher（独立研究员） ； National Center for Research (NCR)（国家研究中心） 纠错

AI总结 GridVAD通过分层帧网格的空间推理生成开放集候选描述，结合自一致性巩固和空间跟踪模块实现像素级异常掩码，其在UCSD Ped2上达到77.59的Pixel-AUROC，优于其他方法。

Comments Accepted at the Large-scale Video Object Segmentation (LVOS) Workshop in conjunction with ECCV 2026

VDC-Agent: When Video Detailed Captioners Evolve Themselves via Agentic Self-Reflection

VDC-Agent：当视频详细描述器通过代理自我反思而自我进化

Qiang Wang, Xinyuan Gao, Yuhang He, Jizhou Han, Jiangyang Li, SongLin Dong, Zhiheng Ma, Yihong Gong

机构 * Xi’an Jiaotong University（西安交通大学） ； Kuaishou Technology（快手科技） ； Shenzhen University of Advanced Technology（深圳先进技术大学） 纠错

AI总结 VDC-Agent通过自我反思机制实现视频详细描述的自我进化，利用自动生成的(描述，评分)对提升描述准确性与评分表现。

Comments Accepted to ECCV 2026. Project Page: https://vdcagent.github.io

Towards Geometry-Grounded Dense Semantic Matching with VGGT Priors

基于VGGT先验的几何基础密集语义匹配研究

Songlin Yang, Tianyi Wei, Yushi Lan, Zeqi Xiao, Anyi Rao, Xingang Pan

机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； Visual Geometry Group, University of Oxford（牛津大学视觉几何组） 纠错

AI总结 本文针对现有语义匹配方法的几何歧义与最近邻规则局限，采用VGGT先验，通过特征调整、循环训练等策略实现适配，在多方面性能优于基线。

Comments ECCV 2026