ECCV

MagnifiQ: Patch-aware Text Guided Progressive Upscaling for High-Resolution Image Restoration

MagnifiQ：面向高分辨率图像修复的感知补丁文本引导渐进式上采样方法

Mahesh Reddy, Yashesh Savani, Antoine Mercier, Hong Cai, Fatih Porikli, Guillaume Berger

机构 * Qualcomm AI Research（高通人工智能研究中心） 纠错

AI总结 MagnifiQ是一种跨分辨率渐进式上采样的图像修复框架，替换扩散模型自注意力层为线性计算卷积，采用补丁文本提示，在4K图像修复中性能优于现有方法，实现速度与质量的实用权衡。

Comments Camera-ready version (ECCV workshop - LoViF'26)

Style or Signature? Artist-Disjoint Evaluation of Style Classification in Frozen Vision Embeddings

风格还是签名？冻结视觉嵌入中风格分类的艺术家不相交评估

Rory Ashton

机构 * University of Edinburgh（爱丁堡大学） 纠错

AI总结 该研究提出艺术家不相交评估协议，发现CLIP等模型的冻结图像嵌入风格分类准确率在该协议下下降，超现实主义降幅最大，验证了冻结嵌入中风格理解需此类评估。

Comments 15 pages, 3 figures. Accepted at the VISART VIII workshop, ECCV 2026

Conditional Neural Optimal Transport for Predicting Cellular Phenotypes from Molecular Structure

用于从分子结构预测细胞表型的条件神经最优传输

Gauthier Avité, Maxime Sanchez-Renauld, Nicolas Bourriez, Auguste Genovesio

机构 * IBENS（法国生物学与医学研究所） ； Ecole Normale Supérieure（巴黎高等师范学院） ； Université PSL（巴黎文理大学） ； Institut Curie（居里研究所） ； INSERM（法国国家健康与医学研究院） ； Mines ParisTech（巴黎高科矿业学院） ； Iktos（Iktos公司） 纠错

AI总结 该研究提出分子条件神经最优传输（NOT）模型，以分子结构和阴性对照表型为输入预测细胞表型，在未见过的活性分子上性能优于基线，为相关预测提供了有潜力的框架。

Comments Accepted at the BioImage Computing (BIC) Workshop, ECCV 2026

RankT2I: A Submodular Framework for Discovering Interpretable and Diverse Semantics in Text-to-Image Models

RankT2I：一种用于发现文本到图像模型中可解释且多样化语义的子模框架

Ritika Allada, Pinar Yanardag

机构 * Virginia Tech（弗吉尼亚理工大学） 纠错

AI总结 本文提出无训练、模型无关的RankT2I框架，通过子模方法自动发现T2I模型的可编辑语义，性能优于现有方法，可高效获取多领域文本到图像编辑所需的多样化语义。

Comments ECCV 2026

Source-Agnostic Image Translation Based on Latent Aware Adaptive Masking

基于潜在感知自适应掩码的源无关图像翻译

Tomislav Dobrički, Byung-Woo Hong

机构 * Chung-Ang University（中央大学） 纠错

AI总结 本研究提出一种源无关图像翻译框架，通过潜在感知自适应掩码方案，在AFHQ、Celeba-HQ数据集上优于现有无监督图像到图像方法，无需专门训练即可实现跨源分布的无缝翻译。

Comments This paper has been accepted for publication at the European Conference on Computer Vision (ECCV), 2026

Fine-Grained Action Recognition with Cross-Attentive Latent Sparse Experts

基于交叉注意力潜在稀疏专家的细粒度动作识别

Imtiaz Ul Hassan, Tasweer Ahmad, Nik Bessis, Ardhendu Behera

机构 * Edge Hill University（埃奇希尔大学） 纠错

AI总结 提出FineX模型，融合RGB、姿态热图与骨骼图线索，通过交叉注意力和稀疏混合专家实现细粒度动作识别，在多数据集上取得最优，长尾Gym288准确率提升7.6个百分点。

Comments Accepted manuscript: Workshop on Affective & Behavior Analysis in-the-wild (ABAW), as part of European Conference on Computer Vision (ECCV) 2026

From Recovery to Drop-off: How Action Post-training Reduces a VLM's Late-Layer Depth Decodability

从恢复到骤降：动作后训练如何降低视觉语言模型的深层解码能力

Alexander Hackett, Arnaud Denis-Remillard, Axel Cassou

机构 * New York University（纽约大学） ； Reflex ； Université de Montréal（蒙特利尔大学） ； Maastricht University（马斯特里赫特大学） 纠错

AI总结 该研究探究动作后训练对VLM空间理解的影响，发现VLA存在深层解码能力的“基底”差距与“悬崖”骤降，定位其源于深层MLP干扰，消融该模块可恢复多数解码性能。

Comments Accepted to the archival proceedings track of the Embodied Multimodal Reasoning (EMR) Workshop at ECCV 2026

Learning visual representations for compositional analysis of artworks and photographs

面向艺术品与照片的组合分析学习视觉表征

Fatemeh Behrad, Tinne Tuytelaars, Johan Wagemans

机构 * KU Leuven University（KU Leuven大学（荷语鲁汶大学）） 纠错

AI总结 该研究对比了受人类启发的构图分析方法与微调基础模型两种范式，在三类任务上评估性能，发现前者冻结编码器时具竞争力且可解释，后者微调后性能更优但可解释性与泛化性下降。

Comments ECCV workshops 2026

Debiasing Text-to-Image Evaluation via Implicit Cultural Alignment Reward Modeling

通过隐式文化对齐奖励建模消除文本到图像评估中的偏差

Bo-An Chang, Yu-Chih Chen

机构 * National Tsing Hua University（国立清华大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学） 纠错

AI总结 研究文本到图像评估中文化真实性问题，提出基于轻量级多模态大语言模型构建的隐式文化对齐奖励模型，集成隐式文化探测器与跳跃连接交叉注意力机制，实验证明该模型准确率高、速度快，能为偏好优化管道提供有效信号。

Comments 16 pages, 2 figures, ECCV 2026 Workshop FAILED

$μ$Flow: Leveraging Average Images for Improving Generalisation of Deepfake Faces Detectors

$μ$Flow：利用平均图像提升深度伪造人脸检测器的泛化能力

Orazio Pontorno, Mattia Litrico, Luca Guarnera, Mario Valerio Giuffrida, Sebastiano Battiato

机构 * University of Catania（卡塔尼亚大学） ； University of Nottingham（诺丁汉大学） 纠错

AI总结 提出仅用真实图像训练的单类深度伪造检测器$μ$Flow，通过平均图像放大生成痕迹并利用归一化流对齐特征分布，实现跨生成器类别的高泛化性能。

Comments Accepted at the European Conference on Computer Vision (ECCV) 2026

InfiniVerse: Occupancy Guided Unbounded Scene Generation for Autonomous Driving

InfiniVerse: 面向自动驾驶的占用引导无界场景生成

Xiaoyu Ye, Leheng Li, Xinyu Ji, Yingjie Cai, Hongda He, Xu Yan, Guanyi Zhao, Ying-Cong Chen, Bingbing Liu, Shuguang Cui, Zhen Li

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； Huawei Technologies Ltd.（华为技术有限公司） ； University of New South Wales（新南威尔士大学） 纠错

AI总结 提出InfiniVerse统一框架，通过3D占用表示和视频扩散模型实现从单帧到长距离、2D-3D对齐的动态城市场景可控生成，在Waymo和nuScenes上达到SOTA。

Comments Paper accepted as poster at ECCV workshop SPAD

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

A Systematic Comparison of Training Objectives for Out-of-Distribution Detection in Image Classification

图像分类中out-of-distribution检测训练目标的系统比较

Furkan Genç, Onat Özdemir, Emre Akbaş

AI总结 本文系统比较了四种图像分类中out-of-distribution检测的训练目标，发现交叉熵损失在近端和远端out-of-distribution表现最一致，其他目标在特定设置中也可竞争。

Comments Accepted to the ECCV 2026 Workshop on Uncertainty Quantification for Computer Vision

Edit2Restore:Few-Shot Image Restoration via Parameter-Efficient Adaptation of Pre-trained Editing Models

Edit2Restore:通过参数高效适应预训练编辑模型实现少样本图像修复

Mustafa Akın Yılmaz, Ahmet Bilican, Burak Can Biner, Ahmet Murat Tekalp

机构 * Codeway AI ； Koc University（科克大学） 纠错

AI总结 Edit2Restore通过参数高效微调预训练编辑模型，在少样本条件下实现多种图像修复任务，提升感知质量并减少数据需求。

Comments Accepted to the LoViF Workshop at ECCV 2026