ECCV

Cross-Spectral Dense Correspondence for Multimodal Spectral Medical Imaging

用于多模态光谱医学成像的跨光谱密集对应

Eric L. Wisotzky, Jost Triller, Simon W. Härtl, Oliver T. Bruns, Peter Eisert, Anna Hilsmann

机构 * Fraunhofer Heinrich Hertz Institute HHI（弗劳恩霍夫海因里希·赫兹研究所） ； Humboldt University Berlin（柏林洪堡大学） ； National Center for Tumordiseases（德国肿瘤疾病中心） 纠错

AI总结 针对多模态光谱医学成像中跨光谱密集对应数据不足的问题，提出跨光谱调制协议与合成基准，提升模型在光谱不匹配场景下的性能，支撑高光谱成像的空间一致融合。

Comments Accepted at 2nd Data Curation & Augmentation in Medical Imaging Workshop at ECCV 2026

RASA: Disentangled Spatial-Motional Priors for Cross-Identity Character Animation

RASA：用于跨身份角色动画的解耦空间-运动先验

Zhen Xiao, Zhen Shen, Zhaofan Qiu, Ting Yao, Xueliang Liu, Tao Mei

机构 * Hefei University of Technology（合肥工业大学） ； HiDream.ai Inc.（HiDream.ai公司） 纠错

AI总结 本研究提出RASA框架，通过向DiT注入结构化先验解耦空间映射与运动控制，构建CIM-Bench基准，实验显示其在跨身份角色动画的运动保真度和视觉质量上优于现有最优方法。

Comments Accepted by ECCV 2026. 15 pages, 7 figures

Ex-Sim(3)-Reg: 2D-3D Correspondence Pruning via Extended Sim(3) Registration

Ex-Sim(3)-Reg：基于扩展Sim(3)配准的2D-3D对应关系剪枝

Pei An, Muyao Peng, Junfeng Ding, Jiaqi Yang, Liangliang Nan

机构 * Huazhong University of Science and Technology（华中科技大学） ； Northwestern Polytechnical University（西北工业大学） ； Delft University of Technology（代尔夫特理工大学） 纠错

AI总结 针对现有2D-3D对应剪枝方案受深度先验噪声影响的问题，提出Ex-Sim(3)-Reg算法，在多数据集上实现配准召回率最高24.7%的提升。

Comments Accepted by ECCV 2026

VidParse: Online Parsing of Egocentric Procedures Like a Pro

VidParse：像专业人员一样在线解析第一人称视角流程

Anubhav Gupta, Archit Kambhamettu, Vatsal Agarwal, Pulkit Kumar, Abhinav Shrivastava

机构 * University of Maryland（马里兰大学） 纠错

AI总结 VidParse是一种无需训练的在线框架，通过图约束推理处理第一人称视角视频的流程解析，在复杂多步骤解析精度上较基线提升最高达10倍。

Comments Accepted at ECCV 2026

Towards Stellarator Geometry Optimisation for Nuclear Fusion

面向核聚变的仿星器几何优化

Tobias Weißberg, Moritz Heep, Zorah Lähner, Florian Bernard

AI总结 该研究提出局部几何优化方法与二维潜在表示，在2026年5月ConStellaration排行榜几何任务中取得榜首，推进核聚变仿星器几何优化研究。

Comments Accepted as an extended abstract at the "Geometric Intelligence: From Vision to Scientific Discovery" Workshop, ECCV 2026

Don't Let the Video Speak: Audio-Contrastive Preference Optimization for Audio-Visual Language Models

别让视频说话：面向音频-视觉语言模型的音频对比偏好优化

Ami Baid, Zihui Xue, Kristen Grauman

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出ACPO方法，通过引入输出对比和输入对比目标，解决音频-视觉语言模型中视频驱动的音频幻觉问题，提升音频真实性和多模态能力。

Comments ECCV 2026 camera-ready version. Project page: this https URL (https://vision.cs.utexas.edu/projects/acpo/)

When the City Teaches the Car: Label-Free 3D Perception from Infrastructure

当城市教导汽车：从基础设施实现无标签的3D感知

Zhen Xu, Jinsu Yoo, Cristian Bautista, Zanming Huang, Tai-Yu Pan, Zhenzhen Liu, Katie Z Luo, Mark Campbell, Bharath Hariharan, Wei-Lun Chao

机构 * The Ohio State University（俄亥俄州立大学） ； Google（谷歌） ； Cornell University（康奈尔大学） ； Stanford University（斯坦福大学） ； Boston University（波士顿大学） 纠错

AI总结 本文提出一种无标签的3D感知方法，利用道路设施作为无监督教师，通过固定视角和重复观测学习局部3D检测器，并广播预测作为伪标签监督，无需基础设施即可训练独立的车辆检测器。

Comments ECCV 2026; Project Page: this https URL (https://jinsuyoo.info/civet/)