期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
通过具有法线先验的高置信度深度传播，使用高斯点云进行稀疏视图曲面重建
机构 * School of Software, Tsinghua University（清华大学软件学院） ； China Telecom（中国电信） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系）
AI总结 研究稀疏视图的3D重建难题，提出基于3D高斯点云的方法，用法线引导深度传播扩展深度信息，引入异常深度边缘感知正则化处理深度不连续，实验表明该方法优于现有技术。
Comments Accepted by ECCV 2026
月光石：用于月球遥感的多模态基础模型及基准
机构 * Space and Earth Observation Centre, Finnish Meteorological Institute（芬兰气象研究所空间与地球观测中心） ； German Climate Computing Centre（德国气候计算中心）
AI总结 针对月球多模态遥感数据分散且无评估机器学习基准的问题，引入月光石基准。贡献包括构建全球月球预训练数据集，提出MG-MAE模型，创建涵盖多任务的基准，其预训练特征在各任务中表现出色。
Comments Accepted for publication in ECCV 2026
基于令牌的大型视觉语言模型的可供性基础
机构 * University of Mississippi（密西西比大学） ； National University of Singapore（新加坡国立大学） ； NVIDIA（英伟达）
AI总结 研究旨在解决现有视觉语言模型在行动定位上的问题，提出TokAG零样本可供性基础框架，利用令牌级语义空间信号定位相关区域，引入空间感知令牌选择机制，在多基准测试中优于先前方法。
Comments Accepted to ECCV 2026
WorldBagel：揭示统一多模态模型在视觉-语言-动作-世界建模中的力量
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 研究统一多模态模型在视觉-语言-动作-世界建模中的作用，基于BAGEL构建WorldBagel框架，通过多任务机器人操作等实验，发现统一不仅便利，更是学习有效模型的关键因素。
Comments Rejected by ECCV 2026, Arxiv Paper
通过对抗性公路旅行抵御地理定位
机构 * University of Florence（佛罗伦萨大学） ； University of Siena（锡耶纳大学）
AI总结 研究基于检索的图像地理定位技术隐私安全问题，提出公路旅行攻击（RTA），将对抗过程视为找最优干扰路径，用束搜索算法构造错误位置序列，能在黑盒设置中实现高可迁移攻击。
Comments Accepted at ECCV 2026
ExpoMotion：用于多曝光融合的大规模基准和豪斯霍尔德投影网络
机构 * Nankai International Advanced Research Institute (SHENZHEN·FUTIAN)（南开大学国际研究院（深圳·福田）） ； Pengcheng Laboratory（鹏城实验室） ； College of Computer Science, Nankai University（南开大学计算机科学学院） ； The Hong Kong Polytechnic University（香港理工大学） ； OPPO Research Institute（OPPO研究院）
AI总结 针对多曝光融合中运动重影及高质量动态基准稀缺问题，提出ExpoMotion基准，含多样序列和图像及高保真真值。还提出豪斯霍尔德正交投影网络，通过变换解耦多帧对齐，实验验证了其有效性。
Comments Accepted by ECCV 2026
SafeGuard：用于社会风险AI生成视频检测的多智能体感知-推理框架
机构 * University of Science and Technology of China（中国科学技术大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） ； Vast Intelligence Lab（旷视智能实验室）
AI总结 针对AI生成视频检测挑战，提出SafeGuard多智能体框架，通过感知求解器与验证器协作，引入SafeVid基准，实验证明其泛化性佳，提升检测准确率。
Comments Accepted to ECCV 2026, The code and dataset are publicly available at https://github.com/williamw99/SafeGuard
自然语言相机运动理解
机构 * Boston University（波士顿大学） ； Pixocial Technology（皮克索西尔科技公司）
AI总结 研究自然语言相机运动理解问题，指出现有视觉语言模型在此任务上的不足。核心方法是建立分类法、基准和训练集。主要贡献是微调的VLM - 8B在基准测试中性能优于Gemini 3.1 Pro。
Comments Accepted to ECCV 2026
GuideMe：流视频中的多域任务指导与干预
机构 * City University of Hong Kong（香港城市大学） ； Huawei Research（华为研究院） ； University of Science and Technology of China（中国科学技术大学） ； Chinese University of Hong Kong（香港中文大学） ； City University of Hong Kong (Dongguan)（香港城市大学（东莞））
AI总结 构建流视频多域基准GuideMe，支持训练和评估用于闭环交互任务指导的MLLMs，设计评估框架衡量模型能力，实验发现现有MLLMs虽擅提供指令，但难识别执行错误并反馈。
Comments ECCV 2026
用于全模态密集视频字幕的并行自回归解码
机构 * National University of Singapore（新加坡国立大学）
AI总结 研究密集视频字幕生成，提出并行自回归框架，利用事件间弱局部依赖重组因果依赖图，引入全局规划和事件分解并行解码机制，提升效率与字幕性能。
Comments ECCV 2026. Project website: https://github.com/showlab/PadCaptioner
激励视觉语言模型进行长视频问答搜索
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 研究将长视频问答从被动单流程感知任务转变为多轮检索过程，核心方法是自然语言驱动搜索及强化学习后训练，贡献是提升长视频理解基准测试分数。
Comments To appear at the European Conference on Computer Vision (ECCV 2026)
全息字幕：迈向3D场景的文本等效物
机构 * Visual AI Lab, The University of Hong Kong（香港大学视觉人工智能实验室） ； Frontier Robotics（前沿机器人）
AI总结 研究提出全息字幕任务，先将其定义为生成结构化文本描述，开发字幕引擎及大规模基准，在此基础上提出HoloScribe模型，还给出评估指标和测试集，该模型性能超现有方法。
Comments ECCV 2026
ProLaViT：在结构化潜在空间中学习渐进式潜在视觉思维
机构 * Basic Algorithm Center, PCG, Tencent（腾讯PCG基础算法中心） ； Zhejiang University（浙江大学） ； Peking University（北京大学）
AI总结 针对多模态大语言模型在复杂视觉推理任务中的不足，ProLaViT框架利用内生自蒸馏机制等，设计两种推理范式及损失函数，使其能在潜在空间进行结构化视觉推导，实验证明效果优于基线。
Comments Accepted by ECCV 2026
SPLIT：通过空间补丁级不连贯性和时间粗糙度进行无训练的人工智能生成和部分编辑视频检测
机构 * Graduate School of Artificial Intelligence, POSTECH（浦项科技大学人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH（浦项科技大学计算机科学与工程系）
AI总结 研究提出无训练检测器SPLIT，利用冻结视觉编码器的补丁令牌检测全生成和部分编辑视频。通过计算两步时间粗糙度和局部空间运动不连贯性两个互补信号，经融合及伽马校正提升检测性能，还提出服务对齐评估协议。
Comments ECCV 2026 (32 pages)
更少令牌，更优预测：用于高效天气预报的稀疏残差路由
机构 * Tulane University（杜兰大学） ； Northeastern University（东北大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Oak Ridge National Laboratory（橡树岭国家实验室）
AI总结 研究针对现有基于ViT的天气预报模型计算冗余问题，提出无参数插件路由模块Sparse-Reslim，通过稀疏令牌处理兼顾固定网格要求，提升预报精度并大幅降低成本。
Comments ECCV 2026
对话式人类视听对话生成
机构 * Department of Computing, Imperial College London（伦敦帝国理工学院计算系） ； Department of Earth Science & Engineering, Imperial College London（伦敦帝国理工学院地球科学与工程系） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Department of Computer Science, Heriot-Watt University（赫瑞瓦特大学计算机科学系） ； School of Computer Science, Northumbria University（诺森比亚大学计算机科学学院） ； College of Computer Science & Software Engineering, Shenzhen University（深圳大学计算机科学与软件学院） ； School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院） ； Guangdong Provincial Key Laboratory of Intelligent Information Processing, Shenzhen University（深圳大学广东省智能信息处理重点实验室） ； School of Engineering and Design, Hunan Normal University（湖南师范大学工程与设计学院） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Computer Science, University of Exeter（埃克塞特大学计算机科学系）
AI总结 提出CHAT框架，统一大语言模型和说话人脸模型，通过交互音频和面部行为细化模块，从单一文本提示生成多样、配对且相互响应的语音-面部对话片段，优于现有方法，合成数据集可作预训练数据。
Comments Accepted to ECCV 2026 as a main paper
归一化物体坐标空间中用于生成视图合成的全局姿态控制
机构 * The Chinese University of Hong Kong（香港中文大学） ； Amazon（亚马逊）
AI总结 针对现有生成模型在目标视图全局控制上的不足，提出在归一化物体坐标空间中精确相机控制的新方法，以单张或少量无姿态图像为输入，将视图合成视为图像编辑问题，提升了视图生成质量和保真度。
Comments Accepted to ECCV 2026. Project page https://lizb6626.github.io/GlobalNVS/
BiSLW：用于生成扩散模型的双谱潜在水印
机构 * PDPM Indian Institute of Information Technology, Jabalpur（印度信息技术学院（贾巴尔普尔））
AI总结 研究针对扩散生成模型易被非法使用且缺乏可靠溯源方法的问题，提出BiSLW框架，利用潜在空间频率结构在互补谱带嵌入身份信号，平衡感知保真度与鲁棒性。
Comments ECCV 2026
多模态大语言模型知识蒸馏的令牌级响应视觉注意力引导
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 研究多模态大语言模型知识蒸馏，挑战传统依赖，发现下游性能与响应视觉注意力相似度强相关。提出令牌级响应视觉注意力引导方法，通过自适应加权散度，有效引导学生模型，实验证明其性能优于基线。
Comments ECCV 2026
基于双判别器扩散对齐的开放天气鲁棒3D检测
机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； MIIT Key Laboratory of Pattern Analysis and Machine Intelligence（工业和信息化部模式分析与机器智能重点实验室）
AI总结 提出双判别器引导扩散对齐（DCDA）框架，通过4D雷达条件扩散过程恢复退化LiDAR特征，无需显式天气建模，在未见天气类型和强度下实现鲁棒3D检测。
Comments 18 pages, 6 figures, 8 tables. ECCV 2026 camera-ready
面向可扩展VGGT的多样性感知视图划分
机构 * POSTECH（浦项科技大学） ； GIST（光州科学技术院） ； KAIST（韩国科学技术院） ； RLWRLD
AI总结 针对VGGT在大量视图下注意力计算成本高且冗余视图降低性能的问题，提出基于视觉差异和空间分散的图划分方法，将视图组织为多样性感知的平衡块，减少冗余注意力交互，提升相机位姿估计、多视图深度预测和3D重建性能。
Comments 34 pages, 11 figures, Accepted to ECCV 2026
PixGS: 像素空间扩散用于直接三维高斯泼溅生成
机构 * Qualcomm AI Research（高通人工智能研究院）
AI总结 提出单阶段管道PixGS，利用像素空间扩散从文本或图像直接生成高质量3D高斯泼溅，避免潜在压缩伪影，并引入表面法线、深度和高频结构监督，在单张A100 GPU上1秒内生成，性能超越现有方法。
Comments Accepted at ECCV 2026
AutoSpeed：面向机器人操作的无标注阶段自适应运动速度学习
机构 * Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出AutoSpeed框架，通过频域速度调制和复合代价优化，使视觉运动策略能根据任务阶段自适应调整执行速度，减少执行时间并提高成功率。
Comments Accepted by ECCV 2026
StereoGS: 基于立体先验的稀疏视角3D高斯泼溅
机构 * South China University of Technology, China（华南理工大学）
AI总结 提出StereoGS框架，利用立体深度正则化和梯度感知不透明度衰减策略，在稀疏视角下实现高质量3D重建和新视角合成，无需额外推理开销。
Comments 15 pages, 6 figures, accepted to ECCV 2026, project page: https://stringerywh00.github.io/StereoGS_project_page/
重新思考基于原型的小样本目标检测相似性学习
机构 * Kyung Hee University（庆熙大学）
AI总结 针对小样本目标检测中基于原型的方法存在类间混淆和定位线索不足的问题，提出文本锚定语义掩码和层级自回归回归，在COCO上提升10.1 nAP。
Comments Accepted by ECCV 2026. Code: https://github.com/VisualScienceLab-KHU/ReSet
文本主导，音乐装饰：基于能量的注意力机制用于可编辑舞蹈动作生成
机构 * University of Maryland, College Park（马里兰大学帕克分校）
AI总结 提出STREAM模型，通过模态解耦的扩散变压器分离文本语义和音乐节奏控制，实现可编辑舞蹈动作生成，并引入新数据集Motorica++和评估指标EDS。
Comments Accepted to ECCV 2026
位置不确定性下的跨视角偏航估计：基于线对齐的偏航评分
机构 * Seoul National University（首尔大学） ； Meta ； Amazon（亚马逊） ； ShanghaiTech University（上海科技大学）
AI总结 提出LAYS方法，通过径向不变的线共识投票，在无需精确位置的情况下实现亚度级偏航精度，显著提升未知偏航下的跨视角定位性能。
Comments 31 pages, 15 figures, ECCV 2026
UNITY: 用于扩散模型中自适应条件化的注意力流网络
机构 * VIT Bhopal, India（印度VIT布巴尔学院） ； IIIT Delhi, India（印度德里理工学院） ； The University of Queensland, Australia（澳大利亚昆士兰大学） ； IIT Kanpur, India（印度坎普尔理工学院）
AI总结 提出UNITY，一种两阶段训练范式，通过可变形注意力流网络实现多模态条件共享与专化，在保持图像保真度的同时显著降低推理延迟和内存消耗。
Comments Acccepted in ECCV 2026
ELVA：探索排序驱动的通用多模态检索
机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家级重点实验室） ； Institute of Artificial Intelligence and Robotics（人工智能与机器人研究院） ； MiLM Plus ； Xiaomi Inc（小米公司） ； Zhongguancun Academy（中关村学院） ； Beijing, China（北京市）
AI总结 提出ELVA框架，通过基于规则的强化学习缓解对比学习中的粒度盲视问题，在通用多模态检索中实现排序优化，并在新基准MRBench上提升13.1%。
Comments Accepted by ECCV 2026
三角一致性作为光流学习的通用约束
机构 * Louisiana State University（路易斯安那州立大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Yale University（耶鲁大学）
AI总结 提出三角一致性约束，通过组合两个光流诱导第三个光流并强制三者一致，适用于不同网络架构、监督类型和数据集，在监督、无监督和迁移学习中均提升性能。
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