ECCV

From Local Geometry to Global Pseudo Labeling for Robust Positive Unlabeled Learning under Covariate Shift

从局部几何到全局伪标注：协变量偏移下鲁棒的正无标记学习

Firas Gabetni, Alexandre Rocchi, Nacim Belkhir, Ziyi Liu, Gianni Franchi

机构 * U2IS, ENSTA（U2IS，ENSTA） ； Institut Polytechnique de Paris（巴黎政治学院） ； AMIAD, Pôle Recherche, Palaiseau（AMIAD，研究学院，帕莱索） 纠错

AI总结 提出SPUNA框架，利用局部流形结构逐步发现偏移数据，在协变量偏移下实现正无标记学习，性能达到全监督方法水平。

Comments ECCV 2026

Volume Transformer: Revisiting Vanilla Transformers for 3D Scene Understanding

体积分层变换器：重新审视标准变换器用于3D场景理解

Kadir Yilmaz, Adrian Kruse, Tristan Höfer, Daan de Geus, Bastian Leibe

机构 * RWTH Aachen University（亚琛RWTH大学） ； Eindhoven University of Technology（埃因霍温技术大学） 纠错

AI总结 本文提出体积分层变换器（Volt），通过最小修改将标准变换器编码器应用于3D场景，利用体积分块和全全局自注意力机制，结合3D旋转位置嵌入，实现3D语义分割，并通过多数据集联合训练提升性能，达到室内和室外数据集的最新水平。

Comments Accepted to ECCV 2026 (Long Oral). Project page: this https URL (https://vision.rwth-aachen.de/Volt)

RePL: Pseudo-label Refinement for Semi-supervised LiDAR Semantic Segmentation

RePL：伪标签细化用于半监督激光雷达语义分割

Donghyeon Kwon, Taegyu Park, Suha Kwak

机构 * Dept. of CSE, POSTECH（浦项科技大学计算机科学与工程系） ； GSAI, POSTECH（浦项科技大学人工智能研究生院） 纠错

AI总结 RePL通过掩码重建识别并纠正伪标签中的潜在错误，提升伪标签质量，从而在激光雷达语义分割中取得最优性能。

Comments ECCV 2026

Segmentation-Guided Homography Estimation for Long-Term Planar Tracking

准确的平面跟踪与鲁棒重检测

Jonas Serych, Jiri Matas

机构 * Visual Recognition Group, Faculty of Electrical Engineering, Czech Technical University in Prague（视觉识别组，电气工程系，布拉格捷克技术大学） 纠错

AI总结 本文提出SAM-H和WOFTSAM两种新型平面跟踪器，通过结合SAM 2的鲁棒分割跟踪与8自由度单应性估计，显著提升平面跟踪的准确性和鲁棒性。

Comments Accepted to ECCV 2026. Code: this https URL (https://github.com/serycjon/WOFTSAM) Project page: this https URL (https://cmp.felk.cvut.cz/~serycjon/WOFTSAM/)

Intrinsic PAPR: Tackling Misattribution in 3D Intrinsic Decomposition via Proximity Attention Point Rendering

内在PAPR：通过邻近注意力点渲染解决3D内在分解中的属性误分配问题

Alireza Moazeni, Shichong Peng, Yanshu Zhang, Chirag Vashist, Ke Li

AI总结 该研究针对3D内在分解中属性误分配问题，提出Intrinsic PAPR框架，通过邻近注意力点渲染实现逐点监督，在新视图合成和反照率估计上优于多种现有方法。

Comments Accepted to ECCV 2026. 21 pages + 34-page supplementary material