SMG: Semantic Motion Graph for Monocular Dynamic Gaussian Splatting
SMG：用于单目动态高斯溅射的语义运动图
机构 * Cornell University（康奈尔大学）
AI总结 该研究针对单目动态高斯溅射过拟合、复杂场景下表现差的问题，提出SMG模型，引入新数据集，实现了该任务的最优性能。
Comments ECCV 2026
期刊&会议
ECCV
European Conference on Computer Vision · 会议 · Computer Vision
SegWave: Wavelet-Driven Segmentation of Tampered Regions
SegWave：基于小波的篡改区域分割
机构 * IIIT-Hyderabad（印度国际信息技术研究所海得拉巴分校） ； IISER-Bhopal（印度科学教育与研究研究所博帕尔分校）
AI总结 针对图像真实性验证难题，提出SegWave混合框架，结合Transformer与DWT并引入ASA模块，经多基准数据集实验，其性能优于现有最先进的篡改检测方法。
Comments Accepted at the PFATCV Workshop, ECCV 2026
Failure or Drift? Evaluating Monocular SLAM under Synthetic and Real-World Corruptions
失效还是漂移？在合成与真实世界干扰下评估单目SLAM
机构 * University of Mannheim（曼海姆大学） ； Max-Planck-Institute for Informatics（马克斯·普朗克信息学研究所）
AI总结 本研究评估单目SLAM在合成与真实世界干扰下的表现，区分跟踪失效与漂移，发现学习型跟踪器会产生持续漂移，且其排序随干扰物理保真度变化。
Comments Accepted at the 3rd NeuSLAM workshop at ECCV 2026
APT: Anchor-aligned Perturbations for Tamper Localization in Fully Regenerated Images
APT：用于完全再生图像篡改定位的锚点对齐扰动
机构 * KAIST（韩国科学技术院）
AI总结 针对现有篡改定位方法在完全再生图像中失效的问题，提出半脆弱潜在空间扰动APT，通过锚点对齐特征实现篡改定位，在COCO数据集上FR IoU达0.92，性能优于基线，可泛化到未知篡改类型。
Comments Accepted to ECCV 2026
Lot Machine: Multimodal Lot Extraction from Auction Catalogs
拍品提取模型：从拍卖目录中进行多模态拍品提取
机构 * FAU Erlangen（埃尔朗根-纽伦堡大学） ； Pattern Recognition Lab（模式识别实验室）
AI总结 该研究提出基于视觉语言模型（VLM）的流水线，从历史拍卖目录中自动提取结构化拍品级元数据，对比不同部署模式的模型性能，为文化遗产机构提供可行的自动化分析方案。
Comments Accepted at the VISART Workshop (Computer Vision for Art Analysis), ECCV 2026. 19 pages, 6 figures, 5 tables. Supplementary material included as an appendix. Code, benchmark data, and prompt templates: https://github.com/mathiaszinnen/auction-lot-extraction
CapFrame: Text-Instructed Viewpoint Grounding in 3D Gaussian Scenes via Geometric Pseudo Labels
CapFrame：基于几何伪标签的3D高斯场景中文本引导视角定位
机构 * Institute of Science Tokyo（东京科学大学） ； Denso IT Laboratory, Inc.（电装IT实验室） ； National Institute of Informatics（信息学研究所）
AI总结 本文针对3D高斯场景中虚拟相机位姿需人工设置的问题，提出CapFrame框架，通过检索-转换-优化流程实现文本引导的视角定位，实验表明其对齐度优于基线方法。
Comments Accepted at ECCV 2026
NoisEasier: Test-Time Noise Optimization for Text-to-Video Generation
NoisEasier：用于文本到视频生成的测试时噪声优化
机构 * Michigan State University（密歇根州立大学）
AI总结 本研究提出NoisEasier框架，通过测试时噪声优化提升文本到视频生成的组合对齐效果，在多数据集实验中取得超10%平均增益，为可控文本到视频生成提供有效新范式。
Comments Accepted to ECCV 2026
Efficient and High-Quality Depth Estimation via Pixel-Space Diffusion with Linear Attention
基于线性注意力的像素空间扩散实现高效高质量深度估计
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhiyuan College, Shanghai Jiao Tong University（上海交通大学致远学院） ； MoE Key Lab of Artificial Intelligence, Institute of AI, Shanghai Jiao Tong University（上海交通大学人工智能研究院（教育部人工智能重点实验室））
AI总结 本研究提出基于线性注意力的像素空间生成框架Lapis，通过由粗到细的层级结构解决生成式深度估计的高计算成本问题，在多分辨率基准上实现SOTA精度，推理延迟大幅降低。
Comments Accepted by ECCV 2026
The Nearest Target Is the Wrong One: Target Separation in Arc2Face Identity Unlearning
最近的目标是错误的：Arc2Face身份遗忘中的目标分离
机构 * University of Oxford（牛津大学）
AI总结 该研究针对Arc2Face身份遗忘中重定向目标导致的失败问题，通过审计Arc2Face发现目标分离是关键设计变量，采用特定策略可提升干净遗忘率并降低遗忘身份的重新识别率。
Comments 16 pages, accepted at the ECCV 2026 Workshop on Unlearning and Model Editing (U&ME)
When 3D Gaussian Splatting Recovers Real Surfaces
当3D高斯溅射（3DGS）恢复真实表面时
机构 * School of EECS, Penn State（宾夕法尼亚州立大学电子工程与计算机科学学院）
AI总结 该研究构建基于首击渲染抽象的数学框架，明确3D高斯溅射（3DGS）的可识别性窗口，经合成与真实数据集实验验证，揭示角容量对3DGS恢复真实表面的关键影响。
Comments Accepted at ECCV 2026. 30 pages, 3 figures, 1 table; includes supplementary material
OPAL: Orthonormal Prototype Alignment Learning for Interpretable Image Classification
OPAL：用于可解释图像分类的正交原型对齐学习
机构 * Universitat Politècnica de València（瓦伦西亚理工大学） ； Mines Paris, PSL University（巴黎矿业学院，巴黎文理研究大学） ； Artikode Intelligence S.L.
AI总结 提出单阶段端到端框架OPAL，通过正交基锚定潜在空间、空间竞争机制实现可解释图像分类，性能优于同类模型，可提供细粒度视觉解释。
Comments Accepted at ECCV 2026
Discrete Diffusion Bridges for Spatiotemporally Aligned Image Translation and Generation
用于时空对齐图像翻译与生成的离散扩散桥
机构 * Shenyang Institute of Automation, Chinese Academy of Sciences（中国科学院沈阳自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； The University of Hong Kong（香港大学） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院）
AI总结 该研究提出离散扩散桥（DDB）框架，解决离散扩散在图像翻译与生成中的时空错位问题，通过混合吸收机制和信息引导噪声调度实现平衡，在多生成任务中表现优异且适配低采样步数场景。
Comments Accepted to ECCV 2026
Biomechanical 3D Body: Self-Supervised Distillation of Biomechanical Pose from a 3D Body Foundation Model
生物力学三维人体：从三维人体基础模型自监督蒸馏生物力学姿态
机构 * Shirley Ryan AbilityLab（雪莉·瑞安能力实验室） ； Northwestern University（西北大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 该研究扩展SAM-3D-Body模型新增生物力学预测头，用JAX结合Equinox实现，在公开数据集训练后，在多数据集验证中优于现有生物力学回归模型，仅略逊于需高成本轨迹优化的同类方法。
Comments Accepted to the ECCV 2026 Workshop MoCha
FoundYou: A Unified Model for Personalized Segmentation and Retrieval
FoundYou：个性化分割与检索的统一模型
机构 * Politecnico di Torino（都灵理工大学） ； Miguel Hernández University of Elche（埃尔切米格尔·埃尔南德斯大学） ； Valencian Graduate School and Research Network of Artificial Intelligence（瓦伦西亚人工智能研究生学院与研究网络）
AI总结 本研究提出FoundYou统一框架，基于SAM 2的实例级线索实现个性化分割与检索，在相关基准上取得显著性能提升，模型规模小、速度快，且在类别级检索任务中也达最优。
Comments ECCV 2026. Project page: https://ga1i13o.github.io/FoundYou
Guardrail-Agnostic Societal Bias Evaluation in Large Vision-Language Models
强安全护栏下大型视觉语言模型的护栏无关社会偏见评估
机构 * NVIDIA（英伟达）
AI总结 本研究针对强护栏LVLMs的偏见评估难题，提出解耦人物属性推断的评估方法，发现20款LVLMs均存在不当使用用户人口统计信息的偏见，且专有模型偏见低于开源模型。
Comments Accepted at ECCV 2026
TRINITY: A Multi-Perspective Benchmark for Personal-Style Video Highlight Detection
TRINITY：面向个人风格视频精彩片段检测的多视角基准测试集
机构 * Huawei Technologies Co., Ltd.（华为技术有限公司）
AI总结 针对个人风格视频精彩片段检测的传统方法泛化性差的问题，提出TRINITY多视角基准测试集与对应多分支架构，在两个数据集上显著优于现有方法，验证了多视角建模的有效性。
Comments 32 pages, 9 figures. Accepted to ECCV 2026
Toward Trustworthy Robot-Assisted Sliding Palpation for Shallow Vessel Localisation with a Calibrated Digital Twin
面向基于校准数字孪生的浅血管定位的可信机器人辅助滑动触诊
机构 * Imperial College London（帝国理工学院）
AI总结 本文提出带校准数字孪生的机器人辅助滑动触诊框架，结合时空图神经网络实现浅血管定位，在三类数据集上验证了模拟到真实的定位精度，为可信触觉触诊提供了进展。
Comments ECCV workshop paper
Bridging Semantics and Physics with Constrained LLMs for Safe and Trustworthy Robotic Manipulation
用受约束的大语言模型（LLM）弥合语义与物理鸿沟，实现安全可信的机器人操纵
机构 * Imperial College London（帝国理工学院）
AI总结 该研究针对语言引导机器人操纵的语言-动作鸿沟，通过类型化契约约束LLM决策，结合MoveIt流水线验证，在多类机器人任务上实现了优于脚本策略的安全可靠性能。
Comments ECCV Workshop paper
Hyper3-CLIP: Hierarchy-Conditioned Hyperbolic Vision-Language Training
Hyper3-CLIP：层级条件双曲视觉-语言训练
机构 * hyper 3 labs（超3实验室） ； Hasso Plattner Institute（哈索·普拉特纳研究所） ； University of Potsdam（波茨坦大学） ； Faculty of Computers and Data Science, Alexandria University（亚历山大大学计算机与数据科学学院） ； Faculty of Computer Science and Engineering, Alamein International University（阿拉曼国际大学计算机科学与工程学院）
AI总结 Hyper3-CLIP结合层级条件与双曲几何，通过文本构建多粒度查询层级训练视觉-语言模型，提升图像-文本检索与多标签分类性能，在层级指标上保持竞争力。
Comments 16 pages, 2 figures, ECCV 2026 Beyond Euclidean Workshop
Dynamic-Robust Photometric-Semantic Reconstruction for Open-Vocabulary 3D Scene Understanding
面向开放词汇三维场景理解的动态鲁棒光度-语义重建
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS)（多模态人工智能系统国家重点实验室） ； Institute of Automation, Chinese Academy of Sciences (CASIA)（中国科学院自动化研究所） ； School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院） ； The Chinese University of Hong Kong（香港中文大学） ； Deepeleph Intelligent Technology（深智科技）
AI总结 提出SPAR架构与动态区域感知训练范式，解决NVS与OVS模型在动态场景的特征错位问题，在D-RE10K基准上实现SOTA性能，3/4视图下PSNR达22.15/23.33 dB，运动掩码预测mIoU达88.5%。
Comments Accepted to the European Conference on Computer Vision (ECCV) 2026
STARLINC: Satellite Trail Artifact Removal using Inter-Frame Correlation
STARLINC：基于帧间相关性的卫星尾迹伪影去除
机构 * Seoul National University（首尔大学）
AI总结 针对低轨卫星污染天文图像的问题，本文提出无需像素级标注的STARLINC框架，结合合成尾迹生成、帧间差分图和热图实现尾迹去除，性能优于基线，可扩展用于下一代天文观测。
Comments Accepted to ECCV 2026
mmIR: Frequency-Space Inverse Rendering for 3D Millimeter-Wave Radar ADC Synthesis
mmIR：用于3D毫米波雷达ADC合成的频率空间逆渲染方法
机构 * Cornell Tech（康奈尔科技学院）
AI总结 提出开源可微分的FMCW雷达逆渲染器mmIR，采用LiDAR辅助逆渲染，在ColoRadar数据集上实现高分辨率3D雷达数据合成，相关性能优于Sionna-RT且可跨雷达硬件迁移。
Comments Accepted to the European Conference on Computer Vision (ECCV) 2026. Project page: https://mmwave-inverse-rendering.github.io/
ReconSplat: Generalizable 3D Scene Reconstruction Beyond Observed Views
ReconSplat：超越观测视图的通用3D场景重建
机构 * TU Darmstadt（达姆施塔特工业大学） ； Zuse School ELIZA（楚斯学校ELIZA）
AI总结 ReconSplat是基于3DGS与MV-LDM的前馈3D场景重建模型，解决未观测区域视图生成与几何一致性的权衡问题，在RealEstate10K、DL3DV-10K基准上优于现有方法，可外推未观测视点并保持精确几何。
Comments ECCV 2026. Code and additional visual results are available on our project page: https://visinf.github.io/reconsplat
ClearText-Video: A Large-Scale Text-Centric Video Dataset Bridging Video Restoration and Scene-Text Enhancement
ClearText-Video：连接视频修复与场景文本增强的大规模以文本为中心的视频数据集
机构 * OPPO US AI Center（OPPO美国人工智能中心） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of California San Diego（加利福尼亚大学圣迭戈分校）
AI总结 研究团队推出ClearText-Video数据集，评估发现视觉增强未必提升文本推理，仅OCR管道远逊于多模态推理，为相关系统提供基础。
Comments This paper is accepted by 2026 Proceedings of the European Conference on Computer Vision
RoboGesture: Real-Time Semantic-aligned Co-Speech Gestures Generation for Humanoid Interaction
RoboGesture：面向人形机器人交互的实时语义对齐式伴随语音手势生成
机构 * Tsinghua University（清华大学） ； Galbot Inc.（Galbot公司） ； Beijing Institute of Technology（北京理工大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peking University（北京大学） ； Shanghai Qi Zhi Institute（上海智知研究院）
AI总结 本研究提出 RoboGesture 框架，构建专属数据集并设计相关算法，使人形机器人可实时生成语义对齐的伴随语音手势，在 Unitree G1 机器人上的实验表明其性能优于现有最优方法。
Comments Accepted at ECCV 2026. Project page: https://RoboGesture.github.io
WildFin: An In-the-Wild Dataset for Fish Behavioral Recognition
WildFin：用于鱼类行为识别的野外数据集
机构 * Cornell University（康奈尔大学） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； HHMI Janelia Research Campus（HHMI珍妮亚研究园区）
AI总结 针对复杂海洋环境中鱼类行为识别模型失效问题，推出WildFin野外数据集，经大规模整理标注后对视觉基础模型测试，发现其与现实需求存在显著差距。
Comments 31 pages, 4 figures ECCV Marine 26 Workshop
CL4D: Contrastive Language-4D Pretraining for Vision-Language Reasoning in Dynamic Scenes
CL4D：用于动态场景视觉-语言推理的对比语言-4D预训练
机构 * University of Moratuwa（莫拉图瓦大学） ； Singapore-MIT Alliance for Research & Technology (SMART) Centre（新加坡-麻省理工研究与技术联盟（SMART）中心） ； Agency for Science, Technology and Research (A*STAR)（新加坡科学、技术与研究局（A*STAR））
AI总结 本研究提出CL4D（首个4D视觉编码器）及基于其的4DVLM，在自建DynAction4D数据集上训练，CL4D性能较现有方法提升约16.75%，4DVLM优于Gemini、GPT-5等前沿视频VLM。
Comments Accepted at the 19th European Conference on Computer Vision (ECCV 2026)
ReViV: Reconstructing the Viewer and the View in 4D from Monocular Egocentric Video
ReViV：从单目自我中心视频中重建4D中的观看者和视图
机构 * ETH Zurich（苏黎世联邦理工学院） ； Delft University of Technology（代尔夫特理工大学） ； Microsoft（微软）
AI总结 研究旨在从单目自我中心视频重建4D中的观看者和视图，提出ReViV框架，将任务建模为学习多模态信号联合概率分布，由掩码生成自我中心变压器驱动，在多基准测试中展现出高精度和效率，还保持了竞争力强的自我中心深度估计，且代码模型开源。
Comments Accepted to ECCV 2026. The first two authors contributed equally, and their author order is interchangeable
PoseShield: Neural Collision Fields for Human Self-Collision Resolution
PoseShield: 用于人体自碰撞解析的神经碰撞场
机构 * Purdue University（普渡大学） ； LightSpeed Studios（LightSpeed工作室） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对SMPL人体姿态估计中的自碰撞问题，提出在姿态空间直接定义神经碰撞约束，通过Eikonal正则化优化求解，实现95.8%的碰撞修复成功率。
Comments ECCV 2026. Code: https://github.com/lzhyu/PoseShield
Curvature-Adaptive Consistency Flow Matching: Autonomous Trajectory Optimization via Reinforcement Learning
曲率自适应一致性流匹配：基于强化学习的自主轨迹优化
机构 * Tsinghua University（清华大学）
AI总结 提出曲率自适应一致性流匹配（CACFM），利用强化学习代理动态构建效率导向课程，优先处理关键区域，在FLUX和SDXL等大规模模型上实现最先进结果，极少数步下保持高视觉保真度。
Comments Accepted by ECCV 2026
