期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
TaxoMIL：用于层次化全切片图像分析的分层约束学习
机构 * School of Electrical Engineering, Korea University（韩国大学电气工程学院） ； Department of Hospital Pathology, The Catholic University of Korea College of Medicine（韩国天主教大学医学院医院病理学系）
AI总结 提出TaxoMIL框架，将WSI诊断重构为多粒度文本生成任务，通过双头Transformer解码器和分类学引导目标，实现层次感知的准确预测。
Comments Accepted at ECCV 2026
Horizon3D: 用于自动驾驶远距离3D感知的稀疏雷达-相机融合
机构 * Seoul National University（首尔大学）
AI总结 提出Horizon3D框架，通过高斯原语与稀疏BEV特征融合，结合双路径时序融合，实现远距离雷达-相机3D检测，在TruckScenes上达到SOTA性能。
Comments Accepted to ECCV 2026. Project page: https://geonhobang.github.io/horizon3d-project-page. Code: https://github.com/geonhobang/ECCV2026_Horizon3D
层次化3D场景图构建与基于信念的语义导航规划
机构 * The Hong Kong Polytechnic University（香港理工大学）
AI总结 提出零样本语义导航框架，通过在线维护层次化3D场景图（HSG）实现多粒度语义拓扑，并基于信念规划进行有限视野推演，在长距离导航中显著提升成功率与路径效率。
Comments Camera-ready version accepted at ECCV 2026
基于扩散的材料正则化用于物理逆渲染
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； NVIDIA（英伟达） ； BNRist and School of Software, Tsinghua University（清华大学软件学院及北京国家信息科学与技术研究中心）
AI总结 提出将扩散模型预测作为相似性核，通过正则化损失约束材料优化，联合重建几何、材质和光照，在多个数据集上显著优于现有方法。
Comments Accepted to ECCV 2026. Includes supplementary material. Project page: https://gerwang.github.io/diffusion-regularized-inverse-rendering/
ADAPT: 通过偏好调优实现注意力动态对齐以增强多模态大模型的忠实性
机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Technologies Ltd.（华为技术有限公司） ； State Key Laboratory of Communication Content Cognition, People’s Daily Online（人民网传播内容认知国家重点实验室）
AI总结 针对多模态大模型生成中的幻觉问题，提出ADAPT框架，通过跨注意力视觉锚点、注意力监督推理和视觉注意力引导DPO直接干预文本到图像的跨注意力动态，在多个基准上将幻觉率降低40%-60%。
Comments Accepted by ECCV 2026
基于预测可微渲染的视频动态学习
机构 * Dartmouth College（达特茅斯学院） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； University of California, San Diego（加州大学圣地亚哥分校） ； Westlake University（西湖大学） ； Tsinghua University（清华大学） ； Ant Group（蚂蚁集团）
AI总结 提出预测可微渲染（PDR）框架，通过2D高斯表示的轻量适配器PredGS和CUDA加速渲染器predgsplat，结合L1和SSIM损失优化，在离散像素与连续表示间架桥，显著提升视频预测的细节保真度和准确性。
Comments Accepted by ECCV 2026. 18 pages, 5 figures, 11 tables
TerraDiT-$\Omega$：任意地理基元的卫星图像合成统一空间控制
机构 * Washington University in St. Louis（圣路易斯华盛顿大学）
AI总结 提出TerraDiT-Ω框架，通过几何感知局部注意力机制，支持从任意原生地理基元（多边形、折线、边界框、点）直接生成卫星图像，在多种控制格式下优于密集和稀疏控制基线，并提升下游任务性能。
Comments European Conference on Computer Vision 2026
OTCache: 扩散模型中的几何感知缓存的最优传输
机构 * Data Science & Artificial Intelligence Research Institute, China Unicom（中国联通数据科学与人工智能研究院） ； Unicom Data Intelligence, China Unicom（中国联通联通数据智能） ； National 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）
AI总结 提出OTCache，一种无需训练的扩散采样加速框架，通过最优传输预测缓存调度，在低NFE区域优于图方法，实现4.5倍以上加速并保持生成质量。
Comments ECCV 2026
WarpI2I：用于图像到图像翻译的图像扭曲
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出一种基于显著性的扭曲-反扭曲框架，通过重新分配空间表示至显著区域，在不增加潜在分辨率的情况下保留图像细节，适用于人体重光照、驾驶场景翻译等任务。
Comments ECCV 2026
标签模仿游戏：用于零样本伪标签剪枝的图灵测试网络
AI总结 提出图灵测试网络（TTN）作为任务无关的“裁判”，通过对抗性交互在数据集上下文中评估伪标签，无需监督或重训练即可提升标签准确性，并实现零样本任务迁移。
Comments ECCV 2026
SyncCache: 利用非对称动力学实现快速音频驱动肖像动画
机构 * Shenzhen Graduate School, Peking University（北京大学深圳研究生院） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tencent Hunyuan（腾讯混元） ； vivo
AI总结 提出SyncCache，一种针对DiT肖像动画的无训练缓存加速方法，通过空间非对称探测和模态解耦缓存利用非对称动力学，实现高达4.12倍加速且保持视觉保真度和音频对齐。
Comments ECCV 2026
AVTok: 用于整体音视频生成的1D统一分词化
机构 * The Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出AVTok统一分词器，采用双流Transformer架构和分层训练策略，将音视频对编码为紧凑的一维潜在表示，在音视频重建及下游生成任务中表现优异。
Comments ECCV 2026
通过潜在场景嵌入揭示轨迹预测中的可迁移性
机构 * Linköping University（林雪平大学） ； Lund University（隆德大学）
AI总结 提出一个学习数据集潜在表示并用量化分布指标衡量相似性的框架，在24个数据集上验证迁移分数与跨数据集模型性能强相关，为数据集选择、预训练和基础模型提供指导。
Comments Accepted to ECCV 2026
MixTTA: 用于可靠测试时自适应的低秩跨通道混合
机构 * Seoul National University（首尔大学） ； Kookmin University（国民大学） ； HodooAI Labs（HodooAI实验室）
AI总结 提出MixTTA模块，通过低秩跨通道变换增强归一化层，解决分布偏移下通道间结构变化问题，提升测试时自适应方法的鲁棒性。
Comments Accepted to ECCV 2026
Reflect-R1：长视频理解中基于证据驱动的自纠正反思
机构 * Tsinghua University（清华大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） ； Nanyang Technological University（南洋理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Shenzhen University（深圳大学） ； University of California（加利福尼亚大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出Reflect-R1框架，通过直觉、验证、仲裁三阶段管道动态检索客观视觉证据，并设计阶段解耦强化学习算法SD-GRPO解决策略耦合，在长视频理解基准上达到最优性能。
Comments 2026 ECCV
ViQ: 任意分辨率下的文本对齐视觉量化表示
机构 * Tencent HY Vision Team（腾讯HY视觉团队） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Chinese Academy of Sciences（中国科学院）
AI总结 提出ViQ框架，通过文本对齐预训练和特征离散化两阶段量化学习，平衡离散表示中的语义与细节，支持原生分辨率输入，在多模态任务中取得与连续高维特征编码器相当的性能，并实现20%-70%的训练加速。
Comments Accepted to ECCV 2026
通过感知验证自训练提升视觉-语言模型的推理能力
机构 * Malaviya National Institute of Technology Jaipur（马拉维亚国家理工学院斋浦尔分校） ； IBM Research（IBM研究院）
AI总结 提出感知验证自训练框架，通过解耦感知与推理的CoT模板和无监督评估方法PerceptEval，结合两阶段课程学习，提升视觉-语言模型在视觉推理中的准确性并减少幻觉。
Comments Accepted at The European Conference on Computer Vision 2026
PIAvatar: 通过变形梯度解耦实现物理交互的虚拟化身
机构 * GIST（韩国科学技术院） ； KETI（韩国电子信息技术院） ； Chung-Ang Univ.（Chung-Ang 大学） ； Yonsei Univ.（延世大学）
AI总结 提出PIAvatar框架，通过解耦运动速度与变形梯度，结合骨骼框架和物质点法，实现化身间及化身与环境间的物理交互和非刚性变形模拟。
Comments Project page: https://sanghunhan92.github.io/conference/PIAvatar/, Accepted to ECCV 2026
一次蒸馏，终身适应：探索数据集蒸馏用于持续测试时适应
机构 * KAIST, Visual Intelligence Lab（韩国科学技术院，视觉智能实验室） ； Chung-Ang University, FOV Lab（中央大学，FOV实验室）
AI总结 提出DO-ALL框架，通过数据集蒸馏生成紧凑的合成锚点，在持续测试时适应中提供稳定参考，无需保留原始源数据，提升长期鲁棒性。
Comments ECCV 2026
Pano3D：统一的3D重建与全景分割
机构 * Google DeepMind（谷歌DeepMind） ； LIGM, École des Ponts, IP Paris, Univ Gustave Eiffel, CNRS（LIGM, 巴黎高科桥梁学院, 巴黎理工学院, 古斯塔夫·埃菲尔大学, 法国国家科学研究中心）
AI总结 提出统一框架，在3D前馈重建网络中集成全景分割，通过联合训练几何与语义损失实现互惠提升，在多个数据集上达到最优性能。
Comments Accepted at ECCV 2026. Project page: https://victorbbt.github.io/Pano3D/
RSICCLLM：用于遥感图像变化描述的多模态大语言模型
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（人工智能安全国家重点实验室，计算技术研究所，中国科学院，北京，中国） ； Great Bay University, Dongguan, China（东莞Great Bay大学，中国） ； Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳学院，中国） ； Dongguan Key Laboratory for Intelligence and Information Technology, Dongguan, China（东莞智能与信息科技重点实验室，中国）
AI总结 提出首个针对遥感图像变化描述任务的大视觉语言模型后训练框架RSICCLLM，通过数据生成范式、差异感知微调和双负偏好优化，仅7B参数即超越更大规模模型。
Comments Accepted by ECCV 2026
HAT-4D: 通过人机协作从单目视频提升4D多物体交互
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； University of Science and Technology of China（中国科学技术大学） ； Math Magic
AI总结 提出HAT-4D框架，结合视觉大模型与多级人工反馈，从单目视频重建多物体的3D几何、时序动态和物理交互，解决遮挡和深度歧义，无需多相机系统。
Comments Accepted to ECCV 2026. 15 pages of main text and 39 pages of appendices. Project page: https://lijiaxin0111.github.io/HAT4D/
基于级联扩散先验和UV空间可微分着色的单目虚拟人重建
机构 * Beihang University（北航） ； Great Wall Motors（长城汽车） ； CUHK-Shenzhen（香港科技大学深圳研究院） ； HKUST（香港科技大学） ； Nanjing University（南京大学） ； Wuhan University（武汉大学） ； Zhejiang University（浙江大学） ； KAUST（王国 Abdullah 基础科学研究院） ； Tsinghua University（清华大学）
AI总结 提出数据高效框架，利用统一预训练扩散模型的鲁棒先验，通过级联LoRA依次处理纹理补全、去光照和材质分解，结合UV空间可微分BRDF着色损失，从单张野外图像重建高保真可重光照3D虚拟人。
Comments Accepted by ECCV 2026. Project page: https://luh1124.github.io/MARCUS-Avatar-Projectpage/
TextDS: 分布偏移下场景文本检测的参数高效表示对齐
机构 * School of Electrical Engineering, Xi’an Jiaotong University（西安交通大学电气工程学院） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电机及电子工程学系）
AI总结 提出TextDS框架，通过视觉基础模型、逐步LoRA适应和公共子空间融合，仅用4.9M参数实现跨域和退化条件下的鲁棒场景文本检测。
Comments Accepted by ECCV 2026. Project page: https://github.com/ZChenDang/TextDS
EMOSH：用于人体动画的表现性运动与形状解耦
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； WeChat Vision, Tencent Inc.（腾讯微信视觉）
AI总结 提出EMOSH框架，通过可表现人体模型解耦形状与姿态，结合粗细混合运动注入和空间对齐条件机制，实现高保真、可控的人体视频生成，解决运动-形状纠缠问题。
Comments Accepted to ECCV 2026, Project Page: https://eastbeanzhang.github.io/EMOSH/
潜在视觉扩散推理与蒙特卡洛树搜索
机构 * Beijing Jiaotong University（北京交通大学） ； Virginia Commonwealth University（弗吉尼亚联邦大学） ； University at Buffalo（布法罗大学）
AI总结 提出LVDR框架，结合关键点引导的蒙特卡洛树搜索，实现细粒度技能活动的可解释视觉推理，在多个体育和手术数据集上取得竞争性表现。
Comments Accepted to ECCV 2026. Project page: https://github.com/XiruiTeng/LVDR_Official.git
去而复返：用于多曝光融合的灵活帧数Transformer
机构 * Nankai International Advanced Research Institute (SHENZHEN·FUTIAN)（南开国际先进研究院（深圳·福田）） ； Peng Cheng Laboratory（鹏城实验室） ； College of Computer Science, Nankai University（南开大学计算机学院） ； The Hong Kong Polytechnic University（香港理工大学） ； OPPO Research Institute（OPPO研究院）
AI总结 提出FreeMEF，首个灵活帧数多曝光融合Transformer，通过循环状态空间模块和全局特征引导块，无需重训练即可处理任意数量输入帧，在三个基准数据集上取得最优性能。
Comments Accepted by ECCV 2026
通过激活放大与衰减提升对抗鲁棒性
机构 * Graduate School of Engineering, Tohoku University（东北大学工学研究科）
AI总结 提出激活放大与衰减（A3）轻量模块，通过可学习缩放机制动态调整激活值，利用放大信号构建对比损失，在衰减模式下提升对抗鲁棒性，计算开销小。
Comments Accepted to ECCV 2026
MindFlow：调和认知语义与声学动态的对话面部动画生成
机构 * Beihang University（北京航空航天大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Zhongguancun Laboratory（中关村实验室）
AI总结 提出双路径生成框架MindFlow，受神经科学腹侧-背侧通路模型启发，通过Chunk-State方法建模上下文感知情感状态链，结合条件自回归流匹配网络与选择性声学注入器，实现高保真面部动画，在语义适切性和运动自然度上超越现有方法。
Comments Accepted by ECCV 2026
学习基于1比特LiDAR的定位与辅助目标
机构 * University of Macau（澳门大学） ； Singapore Management University（新加坡管理大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学）
AI总结 提出首个二值神经网络框架BiLoc用于6-DoF LiDAR定位，通过信息瓶颈原理和辅助目标缓解二值化信息损失，实现轻量高效定位。
Comments European Conference on Computer Vision(ECCV)
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