期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
Zoom-IQA：基于可靠区域感知推理的图像质量评估
机构 * S-Lab, Nanyang Technological University, Singapore（S实验室，南洋理工大学，新加坡） ； SenseTime Research（商汤科技研究院）
AI总结 研究图像质量评估问题，提出基于视觉语言模型的Zoom-IQA，通过两阶段训练管道，包括监督微调与强化学习，有效减轻标注偏差，提升了模型在鲁棒性、可解释性和泛化性方面的表现，在下游任务中也展现出有效性。
Comments ECCV 2026, Project Page: https://ethanliang99.github.io/ZOOMIQA-Projectpage
用于空间推理的视觉语言记忆
AI总结 研究针对当前视觉语言模型在视频空间推理中未达人类水平的问题，提出VLM²，通过双记忆模块，即工作记忆和情景记忆，实现固定成本下的高效空间推理，在多基准测试中取得最优性能，推动视觉空间智能发展。
Comments Accepted to European Conference on Computer Vision (ECCV), 2026
PhyMAGIC：基于置信度引导的大语言模型的物理运动感知生成推理
机构 * Department of Computer Science \& Engineering, University of Nevada, Reno, USA School of Software Technology, Zhejiang University, China
AI总结 针对3D内容生成中动态模型物理一致性问题，PhyMAGIC提出无需训练的框架，整合图像到视频扩散模型、大语言模型置信度引导推理及可微物理模拟器，通过迭代优化和模拟反馈生成物理一致的运动，性能优于现有方法。
Comments This work is accepted by ECCV 2026
LlamaSeg：通过自回归掩码生成进行图像分割
机构 * Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室） ； Tsinghua University（清华大学） ； Shenzhen University（深圳大学） ； Meituan（美团） ； Division of AMC and Department of ECE, HKUST（HKUST AMC 分部和电子工程系）
AI总结 LlamaSeg是通过自然语言指令统一图像分割任务的视觉自回归框架，将分割视为视觉生成，编码掩码为视觉令牌。引入数据标注管道和SA-OVRS数据集，能基于文本提示定位对象并生成掩码，实验显示其在分割基准上表现出色。
Journal ref ECCV 2026
HIVE：理解视觉语言模型中的幻觉后推理
机构 * Purdue University（普渡大学） ； Rutgers University（罗格斯大学） ； Meta AI ； Kent State University（肯特州立大学） ； Imperial College London（伦敦帝国学院）
AI总结 研究视觉语言模型中幻觉后推理阶段，引入HIVE评估基础设施，通过九个任务和九个模型观察到模态依赖模式，发现幻觉线索能拓宽语义覆盖并重塑推理动态，强调理解此阶段对提升多模态推理系统可靠性和可解释性的重要性。
Comments Accepted by ECCV 2026
MMAgent-R$^2$：用于智能mRAG的重排与拒绝学习
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, CASIA（中国科学院复杂系统管理与控制国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Beijing Key Laboratory of Super Intelligent Security of Multi-Modal Information（北京多模态信息超智能安全重点实验室） ； WeChat Vision, Tencent Inc.（腾讯微信视觉团队） ； PeopleAI Inc.（人智公司） ； School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院）
AI总结 针对KB-VQA中现有mRAG方法在处理视觉相似实体时的不足，提出MMAgent-R$^2$框架，集成视觉重排和主动拒绝机制，设计复合奖励函数，经GRPO训练实现联合优化，实验证明其在多任务中性能达最优。
Comments Accepted by ECCV 2026
EditVerse3D：基于区域感知学习的高质量3D对象编辑
机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Tencent AIPD（腾讯人工智能产品部）
AI总结 针对3D对象局部编辑难题，EditVerse3D框架输入3D对象、粗略边界框和参考2D图像，利用区域感知自适应损失及数据增强技术，输出高质量编辑对象，实验证明其性能优于现有方法。
Comments Accepted to ECCV 2026. Project page: https://editverse3d.github.io/
PUF：用于在线3D场景图生成的即插即用不确定性感知融合
机构 * Leibniz Universität Hannover（汉诺威莱布尼茨大学） ； Istituto Italiano di Tecnologia（意大利技术研究院） ； University of Bath（巴斯大学）
AI总结 研究在线3D场景图生成中不确定性问题，提出PUF框架，将节点关联概率化，用狄利克雷证据积累分配证据，可选先验补全边，在不同后端实例化有改进，实验表明该方法优于现有方法，确立不确定性感知融合范式。
Comments Accepted by ECCV'26
ColorFM：一种通过流匹配进行颜色迁移的从优化到学习的框架
机构 * School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； VIVO BlueImage Lab（VIVO 蓝图像实验室）
AI总结 针对颜色迁移中现有方法的问题，提出ColorFM框架，先通过ColorFM - O方案拟合速度场产生高质量配对数据，再基于此设计ColorFM - L前馈模型，实验证明该框架在多方面表现优异，结合了优化准确性与推理速度。
Comments Accepted to ECCV 2026
基于3D感知语言模型的自我-人类运动预测
机构 * Visual Intelligence Lab., KAIST（视觉智能实验室，韩国科学技术院）
AI总结 研究从自我中心视角预测人类运动问题，提出Ego3DLM模型，基于准确运动预测需3D环境理解及姿势语言整体预测原则，通过三阶段训练，在相关任务中取得领先性能，实现跨模态和时间一致的运动预测。
Comments Accepted to ECCV 2026
通过动态质量感知进行通用不完全多模态学习
机构 * University of Electronic Science and Technology of China（电子科技大学）
AI总结 针对多模态学习中模态间缺失和模态内退化共存问题，提出通用不完全多模态学习框架GIML，通过动态质量感知处理上述问题，引入噪声感知质量估计器和噪声语义解耦模块，经实验验证其有效性和通用性。
Comments Accepted by ECCV 2026. Corresponding author: Shicai Wei
检索和优化用于基于扩散的运动生成的获胜噪声票证
机构 * Institute of Science Tokyo（东京科学研究所） ； LY Corporation（LY公司） ； National Institute of Informatics (NII)（国立情报学研究所）
AI总结 研究基于扩散的文本到运动模型语义漂移问题，提出WINRO框架，通过在扩散采样前选择和优化获胜噪声票证改善文本与运动对齐，无需重新训练，提升了不同模型的文本与运动保真度、时间鲁棒性，并推广到多种应用。
Comments Accepted to ECCV 2026, Project page: https://sinc865.github.io/winro/
WildCity：用于渲染、模拟和空间智能的真实世界城市规模测试平台
机构 * May Mobility（五月出行公司） ； New York University（纽约大学） ； NVIDIA（英伟达公司） ； Stanford University（斯坦福大学）
AI总结 针对人工智能在构建城市规模空间表征方面的挑战，引入WildCity真实世界多模态数据集，建立重建基线并转化为模拟器，分析关键挑战，推动城市规模渲染及相关人工智能发展。
Comments ECCV 2026; Project Page: https://han-xiangyu.github.io/Wild-City/
SPEAR：用于逼真的具身人工智能研究的模拟器
机构 * Adobe Research（Adobe研究院） ； Intel Labs（英特尔实验室） ； Manycore Tech Inc（众核科技公司） ； Adobe（Adobe公司） ； NVIDIA（英伟达公司） ； ETH Zurich（苏黎世联邦理工学院） ； Imperial College London（伦敦帝国学院）
AI总结 研究针对现有逼真模拟器局限，提出SPEAR这一Python库，通过模块化插件架构连接控制UE应用程序，提升可编程性与渲染速度，还提供新图像模态和高级编程模型，经多样示例应用展示了其效用。
Comments Accepted for publication at the European Conference on Computer Vision (ECCV) 2026
CoMind：从多视角理解人类协作活动
机构 * ETH Zurich（苏黎世联邦理工学院） ； MPI for Informatics（马克斯·普朗克信息研究所） ； Microsoft Switzerland（微软瑞士公司） ； TU Munich（慕尼黑工业大学）
AI总结 研究旨在填补人类协作认知过程研究空白，引入CoMind数据集，整合多模态数据并标注，建立相关基准，有助于开发和评估能建模复杂社会互动及推理人类行为的AI系统。
Comments Accepted to ECCV 2026
SpaR3D-MoE：来自稀疏视图的自适应3D空间推理与几何归纳专家混合模型
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所多模态人工智能系统国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； YUKUN Intelligent World（宇琨智能世界）
AI总结 研究针对多模态大语言模型在2D与3D表征差距问题，提出SpaR3D-MoE框架，通过自适应时空采样和几何归纳专家混合模型，从稀疏RGB输入实现自适应空间推理，在多个实验中取得最优性能。
Comments Accepted to ECCV 2026
D2PO：通过动态偏好优化扩散采样器
机构 * Seoul National University（首尔国立大学） ； Ulsan National Institute of Science and Technology（蔚山国立科学技术院）
AI总结 研究针对现有框架局限，提出D2PO框架优化扩散采样策略。核心方法是将其转化为基于偏好的对齐问题，利用DPO框架并建模为能量模型，引入新能量公式和动态偏好。主要贡献是使采样器与感知质量更忠实对齐，性能优于传统调度器。
Comments Accepted to ECCV 2026
MIMFlow：将掩码图像建模与归一化流集成用于端到端图像生成
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； Alibaba Group（阿里巴巴集团） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 提出MIMFlow框架，通过VAE编码器从掩码图像推断语义潜在变量，使归一化流专注于低频语义流形，解码器处理高频合成，解决NF容量瓶颈，在ImageNet 256×256上达到71.3%线性探测精度和2.50 FID。
Comments Accepted by ECCV 2026
Allo{SR}$^2$: 通过全形生成流纠正一步超分辨率以保持真实
机构 * East China Normal University Huawei Noah's Ark Lab（华东师范大学华为诺亚实验室）
AI总结 本文提出Allo{SR}$^2$，通过全形生成流纠正一步超分辨率轨迹，以维持高保真生成现实。方法利用SNR引导轨迹初始化和FATC确保稳定路径，同时通过ATM策略减少分布差异，实验证明其在真实世界超分辨率中表现优异。
Comments Accepted to ECCV 2026
统一去除雨滴和反射：一个新的基准和一个新流程
机构 * School of Aeronautics and Astronautics, Zhejiang University（浙江大学航空航天学院） ； Huanjiang Laboratory（浣江实验室） ； Hangzhou Institute of Technology, Xidian University（西安电子科技大学杭州研究院） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出统一去除雨滴和反射的任务，并构建了新的基准数据集，同时提出基于扩散的新型框架DiffUR³，有效去除两种退化，实验表明在基准和真实场景中表现优异。
Comments Accepted by ECCV 2026
GUI代理是否足够专注？通过语义层面的UI元素注入实现自动化干扰
机构 * SAIS, UCAS（中国科学院大学人工智能学院） ； SIST, ShanghaiTech University（上海科技大学信息科学与技术学院）
AI总结 本文提出语义层面UI元素注入方法，通过在截图上叠加安全对齐且无害的UI元素来误导代理的视觉基础。实验显示，该方法在五个受害者模型上提升了攻击成功率，并证明注入元素可作为持久吸引器。
Comments Accepted by ECCV 2026, public code at https://github.com/HashTAG00002/UI-Injection
RL-AWB: 基于深度强化学习的低光夜间场景自动白平衡校正
机构 * MediaTek Inc.（联发科技股份有限公司） ； National Taiwan University（国立台湾大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学）
AI总结 本文提出RL-AWB框架，结合统计方法与深度强化学习解决低光环境下色彩恒常性问题，通过统计算法与强化学习动态优化参数，提升低光和明亮场景的泛化能力。
Comments ECCV 2026. Project page: https://ntuneillee.github.io/research/rl-awb/
MegaFlow：零样本大位移光流
机构 * ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软） ； University of Tübingen, Tübingen AI Center（图宾根大学，图宾根人工智能中心）
AI总结 MegaFlow通过预训练视觉先验解决大位移零样本光流问题，利用全局Vision Transformer实现全局匹配，结合轻量迭代优化提升精度，实验显示其在多个光流基准和长距离点跟踪任务中表现优异。
Comments [ECCV 2026] Project Page: https://kristen-z.github.io/projects/megaflow Code: https://github.com/cvg/megaflow
视觉编码器的激活量化需要前缀寄存器
机构 * POSTECH ； Dankook University（Dankook 大学） ； Google（谷歌）
AI总结 本文提出RegCache算法，通过引入前缀标记减少视觉编码器中的异常值，提升低比特量化模型性能，尤其在极低比特情况下效果显著。
Comments Accepted to ECCV 2026. Code: https://github.com/spbob0418/RegCache
DASH：动态音频驱动的语义分块以实现高效的多模态令牌压缩
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学）
AI总结 DASH通过动态音频驱动的语义分块方法，有效压缩多模态令牌，提升推理效率，优于传统固定窗口分块和注意力剪枝方法。
Comments ECCV 2026
ECHO：人类-物体交互的以自我为中心建模
AI总结 ECHO首次提出统一框架，通过头和手腕追踪联合恢复人体姿态、物体运动和接触动力学，解决稀疏信号下的人类-物体交互建模难题。
Comments Accepted at ECCV'26
EventVGGT：探索跨模态蒸馏以实现一致的基于事件的深度估计
机构 * HKUST(GZ)（香港科技大学（珠海）） ； CUHK（香港中文大学） ； SCNU（华南师范大学）
AI总结 EventVGGT通过跨模态蒸馏实现一致的基于事件的深度估计，有效提升深度预测精度和泛化能力。
Comments Accepted to ECCV 2026
如果呢？基于世界模型的仿真模拟用于情境推理
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Hunan University（湖南大学） ； ETH Zürich（苏黎世联邦理工学院） ； INSAIT, Sofia University ``St. Kliment Ohridski''（INSAIT，索菲亚大学『圣克莱门特·奥赫里迪斯』） ； RAI Institute（RAI研究所）
AI总结 提出WanderDream数据集，利用世界模型进行心理探索的仿真模拟，使代理无需主动探索即可回答空间假设问题，实验证明心理探索对情境推理至关重要。
Comments Accepted at ECCV 2026. The data and code are available at: https://github.com/RuipingL/WanderDream
MMEarth-Bench：通过多模态测试时训练进行全局模型适配
机构 * Harvard University, USA（哈佛大学，美国） ； University of Copenhagen, Denmark（哥本哈根大学，丹麦）
AI总结 研究针对地理空间机器学习中现有基准数据集不足，引入含多模态任务的MMEarth-Bench，通过多模态测试时训练方法提升模型性能，改善地理泛化能力。
Comments Published at ECCV 2026
通过纳米光子波前编码实现物理基础的单目深度
机构 * New York University（纽约大学） ； Columbia University（哥伦比亚大学）
AI总结 研究旨在解决单目深度感知中度量尺度模糊问题，核心方法是用超透镜通过纳米光子学编码深度线索，结合DFMs与输入自适应策略及模拟管道，实验证明该方法有效提升单目度量深度传感精度。
Comments 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