期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
打破长增量3D目标检测中的模型遗忘循环
机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； Institute for Infocomm Research, A*STAR（资讯通信研究院，新加坡科技研究局）
AI总结 针对长增量3D目标检测中模型易遗忘问题，提出LDMR框架，通过监测训练检查点的类检测质量，驱动类人阶段内回顾和场景感知跨阶段记忆进化机制，有效减轻模型遗忘，性能优于基线。
Comments ECCV 2026
MixCompress：用于可变速率学习图像压缩的专家混合模型
机构 * Dolby Laboratories（杜比实验室）
AI总结 研究针对学习图像压缩中为各率失真点存独立模型的问题，提出MixCompress框架，用稀疏门控专家混合路由减轻梯度冲突，引入深度混合扩展动态扩模型容量，结合条件辅助变换，有效提升性能，建立新的帕累托前沿。
Comments Accepted to ECCV 2026
利用现成生成模型实现目标检测器的零样本量化
机构 * Seoul National University（首尔大学） ； LG Electronics（LG电子）
AI总结 提出GoodQ框架，利用现成生成模型构建训练集，通过信息密集提示、内在分布感知选择和教师引导自适应降噪，解决零样本量化目标检测中的多实例、类别不平衡和伪标签噪声问题，在低比特（W4A4）达到最优性能。
Comments Published at ECCV 2026
通过概念引导实现鲁棒的上下文分割
机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（厦门大学多媒体可信感知与高效计算教育部重点实验室）
AI总结 提出概念引导的上下文分割（CG-ICS），通过提取参考图像的高层语义概念而非仅依赖低层视觉匹配，结合文本概念与视觉示例，显著提升分割准确性和鲁棒性。
Comments ECCV 2026
ME-IQA: 通过重新排序增强的记忆图像质量评估
机构 * City University of Hong Kong（香港城市大学） ； ByteDance Inc.（字节跳动公司）
AI总结 ME-IQA通过构建记忆库和利用推理摘要检索语义和感知对齐的邻居，将VLM重构为概率比较器，并通过门控反思和记忆巩固提升未来决策，从而实现更密集的失真敏感预测，缓解离散崩溃问题。
Comments Published as a conference paper at ECCV 2026
WorldWander：在视频生成中连接自我中心和外中心世界
机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室）
AI总结 研究聚焦视频生成中自我中心与外中心世界转换，提出WorldWander框架，基于视频扩散变换器，整合上下文视角对齐与协作位置编码，精心策划数据集，实验证明该框架在视角同步、角色一致性和泛化能力上表现卓越，设定了新基准。
Comments Accepted by ECCV 2026; Code: https://github.com/showlab/WorldWander
迈向野外空间超感知
机构 * Tsinghua University（清华大学） ； NVIDIA（英伟达） ； Stanford University（斯坦福大学）
AI总结 研究针对空间超感知中多模态模型基准测试局限于合成视频和家庭场景的问题，引入VSI-Super-Wild基准，受人类认知启发探究世界状态三元组，通过大量真实视频问答对测试发现模型不足及失败模式，为空间超感知发展指明方向。
Comments Accepted to ECCV 2026. Project page: https://vsi-super-wild.github.io/
DP-BOA：用于实时类别发现的狄利克雷过程出生或分配
机构 * ShanghaiTech University（上海科技大学） ； Shanghai Engineering Research Center of Intelligent Vision and Imaging（上海智能视觉与成像工程技术研究中心）
AI总结 研究实时类别发现问题，提出基于在线狄利克雷过程高斯混合模型的DP-BOA框架，通过比较后验预测证据决定样本归属并在线更新统计，在标准OCD基准测试中性能优异，新类别发现能力强且已知类精度有竞争力。
Comments Accepted at ECCV 2026
TreeSRNF：用于树状3D对象几何和结构变异性生成建模的平方根法向场
机构 * Murdoch University（莫道克大学） ； University of Western Australia（西澳大利亚大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 该研究针对树状3D对象几何与结构变异性问题，将平方根法向场表示推广到此类对象，构建黎曼树状空间及度量，开发相关算法，可计算统计摘要并合成新对象，性能显著优于现有技术。
Comments ECCV 2026
ScanFocus：一种用于时空视频定位的从粗到细框架
机构 * Southeast University（东南大学）
AI总结 研究时空视频定位问题，提出ScanFocus从粗到细框架，利用统一融合编码器和轻量级模块生成粗略提议，再用语义引导时间聚合器恢复细节，实验表明该方法性能优于以往方法。
Comments this paper has already been accepted by ECCV 2026
DiffGI：用于高保真薄壳3D生成的可微几何图像
机构 * CLO Virtual Fashion Inc.（CLO虚拟时尚公司）
AI总结 DiffGI针对现有3D生成模型问题，提出端到端3D到2D映射框架，用连续函数取代二进制图，引入可微算法，训练相关模型，在薄壳3D生成中实现高保真、高精度，减少计算资源需求。
Comments Accepted to ECCV 2026
深入探讨统一视频保护在图像到视频和基于微调的定制方面的时间挑战
机构 * The University of Sydney（悉尼大学） ； University of Melbourne（墨尔本大学） ； City University of Hong Kong（香港城市大学） ； Wuhan University（武汉大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 研究针对基于扩散模型的视频定制引发的隐私等保护问题，提出TC-UAP方法，通过优化身份级多帧UAP并引入相关时间建模和损失，使其在时间上一致且鲁棒，在多种视频定制及攻击下实现强身份保护。
Comments This work provides a basis for the ECCV 2026 LifeGenIP Challenge on Unlearnable Videos against Diffusion-based Customization. Challenge page: https://lifegenip.cc/competition. Evaluation code: ECCV26_LifeGenIP_starting_kit" target="_blank" rel="noopener">https://github.com/tmllab/ECCV26_LifeGenIP_starting_kit. Project page: https://saythe17.github.io/TC-UAP/
可微偏振路径追踪
机构 * Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； Saarland Informatics Campus（萨尔兰信息学园区） ； VIA Research Center（VIA研究中心） ； Google（谷歌）
AI总结 研究逆渲染问题，提出偏振感知的可微路径追踪方法，通过路径重放和局部缓存组合估计无偏梯度，能在复杂场景中高效稳定优化材质和光照参数，拓宽基于物理的逆渲染适用性。
Comments Accepted at ECCV 2026
FoundationGeo：学习用于单目度量几何的空间逐像素场
机构 * The University of Hong Kong（香港大学） ； Voyager Research, DiDi Chuxing（滴滴出行探索研究院）
AI总结 FoundationGeo是两阶段框架，第一阶段学习高保真几何模型，第二阶段引入校准场生成3D点图。它还解决相机固有覆盖问题，通过合成数据提高鲁棒性。在多基准零射击评估中，该方法增强跨域鲁棒性，性能优于其他基线。
Comments Accepted to ECCV 2026. Project page: https://mx-liu6.github.io/FoundationGeo-web/
在潜在空间中通过跨模态对齐实现精确的视频到音频生成
机构 * FPT Software AI Center（FPT软件人工智能中心） ； NVIDIA Corporation（NVIDIA公司）
AI总结 研究视频到音频生成问题，提出Flowley架构，结合视觉特征与文本提示，通过渐进软掩码交叉注意力实现视听同步，无额外计算成本，还提出SoundCap字幕，该方法在多个指标及零样本音频质量上达先进水平。
Comments Accepted to ECCV 2026
你的数据流形实际上是一个奖励模型：Shell-LCC 用于文本到视频生成
机构 * Huawei Central Research Institute（华为中央研究院） ； Guangdong University of Technology（广东技术大学）
AI总结 提出 Shell-LCC 方法，通过建模高质量 SFT 数据的流形结构，提供密集、可微且几乎零成本的奖励信号，以提升文本到视频生成质量，减少低层失真。
Comments ECCV 2026
SOMA：从表面观察到肌肉解剖
机构 * Max Planck Institute for Informatics, Saarland Informatics Campus（马克斯·普朗克信息学研究所，萨尔兰信息学园区） ； TU Dortmund University（多特蒙德工业大学）
AI总结 提出SOMA模型，从多视角RGB相机获取的表面信号推断时空肌肉行为，并构建SKIM数据集，首次实现从多视角RGB数据恢复肌肉变形，提供可扩展的低成本解剖动画方案。
Comments Accepted at ECCV 2026
整体最优标签选择用于在部分标签下的鲁棒提示学习
机构 * Shandong University, Jinan, China（山东大学（济南，中国））
AI总结 本文提出Holistic Optimal Label Selection方法，通过局部密度过滤和全局最优传输策略，提升部分标签下的提示学习性能，实验表明其在八个基准数据集上表现优异。
Comments ECCV 2026
触觉模态融合用于视觉-语言-动作模型
AI总结 本文提出TacFiLM，一种轻量级模态融合方法，将视觉-触觉信号整合到视觉-语言-动作（VLA）模型中。通过特征级线性调制（FiLM）对中间视觉特征进行条件化，提升接触丰富操作行为的性能。
Comments Accepted to the European Conference on Computer Vision (ECCV), 2026, 20 pages, 5 figures
AVQ注意力：自适应向量量化注意力
机构 * QUVA Lab, University of Amsterdam（QUVA实验室，阿姆斯特丹大学） ； AMLab, Informatics Institute, University of Amsterdam（AMLab，阿姆斯特丹大学信息学院） ； AI4Science Lab, University of Amsterdam（AI4Science实验室，阿姆斯特丹大学） ； Korteweg-de Vries Institute for Mathematics, University of Amsterdam（科特韦格 - 德弗里斯数学研究所，阿姆斯特丹大学） ； Qualcomm AI Research（高通人工智能研究公司） ； FunAI Lab, University of Technology Nuremberg（FunAI实验室，纽伦堡工业大学）
AI总结 研究针对Transformer模型注意力机制计算瓶颈，提出自适应向量量化（AVQ）注意力，基于注意力重要性分配码本容量，前向传播识别重要代码并用子码字细化，开发相关实现，保持\(\mathcal{O}(MN)\)复杂度，提升精度-效率权衡。
Comments Accepted at ECCV 2026
第11届ABAW挑战赛中的HSEmotion团队：多任务学习与矛盾/犹豫视频识别
机构 * Central University（中央大学） ； Sber AI Lab（Sber人工智能实验室） ； HSE University（俄罗斯高等经济研究大学）
AI总结 在第11届ABAW挑战赛中，团队用冻结轻量级面部提取器等方法进行多任务学习，在s - Aff - Wild2数据集上超ConvNeXt基线；扩展视听管道用于矛盾/犹豫视频识别，在BAH数据集上提升性能，无需微调重型骨干，展示了轻量级融合的优势。
Comments to be submitted to ABAW-11 workshop of ECCV 2026
DiTailed：在文本-图像到图像流匹配模型中确保视觉对象一致性
机构 * Amazon（亚马逊） ； Faculty（学院）
AI总结 研究文本引导图像编辑中生成模型视觉对象一致性问题，提出ABO-Edit数据集，发现图像编辑整流流模型条件嵌入空间特性，进而提出FlowMirror无参数辅助损失，无需架构改变提升了生成质量。
Comments Accepted to ECCV 2026. Project page: https://francescotaioli.github.io/DiTailed/
DeGuNet：用于高效激光雷达-相机3D检测的深度引导超紧凑骨干网络
机构 * Tianjin University（天津大学） ； Peking University（北京大学）
AI总结 研究针对自动驾驶中激光雷达与相机融合检测依赖2D预训练骨干网络的问题，提出DeGuNet，通过稀疏感知机制有效对齐图像与激光雷达深度，实验证明其能消除架构冗余，提升效率并提高mAP，建立参数高效多模态3D感知新范式。
Comments Accepted to ECCV 2026
IQA-T1：基于工具的图像质量评估视觉证据推理
机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机科学学院） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 针对开放世界图像质量评估难题，提出IQA-T1框架，通过自主调用工具生成视觉证据增强多模态大语言模型推理，构建Q-Tool数据集，实验表明该框架性能最佳且评估可解释、基于证据。
Comments Accepted by ECCV 2026
MobileSAM2：用于空间智能的轻量级图像分割模型
机构 * Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technological University（南洋理工大学） ； Xidian University（西安电子科技大学） ； SparcAI Inc.（SparcAI公司）
AI总结 研究旨在使SAM2更适用于移动设备，提出超图知识蒸馏方法HyperKD，由时间和粒度超图知识蒸馏构成，能有效建模转移知识。还推出MobileSAM2家族，经实验验证其在多基准测试及具身AI任务上有良好泛化性能。
Comments Accepted to ECCV 2026
用于矛盾/犹豫识别的校准多模态集成：系统描述与私密测试提交策略
机构 * eHealth Center, Faculty of Computer Science, Multimedia and Telecommunicactions, Universitat Oberta de Catalunya（加泰罗尼亚开放大学计算机科学、多媒体与电信学院电子健康中心） ； MIND/IN2UB, Department of Electronic and Biomedical Engineeering, Universitat de Barcelona（巴塞罗那大学电子与生物医学工程系MIND/IN2UB） ； Institute of Semiconductor Technology (IHT) & Laboratory for Emerging Nanometrology (LENA), Technische Universität Braunschweig（布伦瑞克工业大学半导体技术研究所（IHT）和新兴纳米计量实验室（LENA））
AI总结 该研究针对BAH数据集上的ABAW A/H挑战，提出校准多模态集成系统，由三个融合模型组成。在公共测试集上宏F1达0.7358，介绍五次私密测试提交的配置等，首次提交在私密测试中宏F1为0.7361，验证系统能推广到未见参与者。
Comments 8 pages, 1 figure, ECCV workshops
SymbOmni：通过符号概念学习进化智能全能模型
机构 * South China University of Technology（华南理工大学） ； Westlake University（西湖大学） ； Johns Hopkins University（约翰·霍普金斯大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 针对视觉生成模型无法累积学习与自主进化的问题，提出SymbOmni智能全能模型，通过符号概念学习和归纳-转导循环运行，经言语反向传播训练。实验验证其在多方面性能优越，能有效降低令牌消耗并实现持续学习。
Comments ECCV 2026 (49 pages, 10 figures, project page: https://spherelab.ai/symbomni)
FFAvatar: 从稀疏肖像图像进行前馈4D头部化身重建
机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology, Wuhan 430074, China（华中科技大学电子信息与通信学院，武汉430074，中国）
AI总结 提出基于Transformer的3D高斯框架FFAvatar，通过交替注意力机制和稀疏到密集学习范式，从一张或多张参考图像高效构建高质量、可动画的4D头部化身，支持增量重建和动态个性化。
Comments Accepted to ECCV 2026. Project page: https://jj-yao.github.io/ffavatar/
有证据支持的视频问答
机构 * Salesforce, Palo Alto, CA, USA（Salesforce公司） ； Brown University, Providence, RI, USA（布朗大学）
AI总结 研究视频问答中模型缺乏可视化依据的问题，提出E-VQA任务及ST-Evidence基准，开发数据集ST-Evidence-Instruct，通过微调提高模型表现，为可解释的视频理解建立基线。
Journal ref ECCV 2026
循环世界：通过反向预测循环一致性减轻长期视频世界模型中的误差累积
机构 * School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学学院） ； Institute of Cyber-Systems and Control, Zhejiang University, Hangzhou, China（浙江大学控制系统研究所） ； Nanyang Technological University, Singapore（新加坡南洋理工大学）
AI总结 针对自回归扩散模型在长视频生成中误差累积问题，提出循环世界框架，通过训练和推理阶段的时间可逆性及反向预测模型抑制误差，实验证明其在VBench基准测试中显著减轻误差漂移，提升生成质量和时间一致性。
Comments Accepted by ECCV 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈