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