期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
SA-ResGS：用于下一个最佳视图选择的自增强残差3D高斯点云绘制
机构 * POSTECH（POSTECH大学） ； KAIST（韩国科学技术院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Rivian
AI总结 提出SA-ResGS框架，通过生成自增强点云稳定不确定性量化，增强不确定性感知监督。采用残差学习策略应对高斯分布监督不足问题，贡献包括物理视图选择策略、不确定性感知残差监督方案等，实验表明其性能优于基线。
Comments Accepted at ECCV 2026. Project page: https://saresgs.github.io/
面向机器人视觉-语言模型的具有推理能力的空间轨迹
AI总结 本文提出RoboTracer，一种3D感知的视觉语言模型，通过空间编码器和回归监督解码器提升空间推理能力，并结合强化学习训练实现多步度量推理，最终在复杂场景中实现高效空间轨迹生成。
Comments Accepted to ECCV 2026. Project page: https://zhoues.github.io/RoboTracer
TexTailor：用于多模态扩散变压器的推理时文本引导剪裁
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Academy of AI for Science（上海人工智能科学研究院）
AI总结 研究基于变压器的扩散模型中不同模块与文本条件的交互。通过系统管道分析各模块功能，提出推理时逐块文本引导剪裁方法，提升文本图像对齐，有多种下游应用，实验表明优于基线。
Comments To appear in ECCV 2026
图谱是理想上下文：用于可泛化基础医学图像分割的一次性定制
机构 * Nanjing University（南京大学） ； The Ohio State University（俄亥俄州立大学） ； Stanford University（斯坦福大学）
AI总结 研究医学图像中解剖结构分割问题，提出图谱引导框架AtlasSegFM，通过图谱查询配准生成提示，用冻结基础模型细化分割，经自适应融合模块结合图谱先验与模型输入及预测，实现一次性定制。
Comments ECCV 2026
IRG-MotionLLM：用于文本到运动生成的交织运动生成、评估和细化
机构 * Sun Yat-sen University（中山大学） ； Tongyi Lab, Alibaba Group（阿里云实验室） ； Shenzhen Loop Area Institute（深圳河套学院） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education, China（教育部人工智能与先进计算重点实验室）
AI总结 研究揭示运动评估和细化任务可促进知识流动，提出通过迭代文本-运动对话将运动生成与评估、细化紧密结合的新范式，介绍IRG-MotionLLM及训练方案，构建数据引擎，实验证明其性能。
Comments Accepted by ECCV 2026
InverseCrafter：作为潜在域逆问题的高效视频重新捕捉
机构 * Graduate School of AI, KAIST, South Korea（韩国釜山国立大学人工智能研究生院） ； EverEx, South Korea（韩国EverEx公司） ； Korea University, South Korea（韩国国立庆熙大学）
AI总结 提出InverseCrafter框架，将新视角视频生成转化为潜在空间基于图像修复的逆问题，通过轻量级潜在掩码编码器建立算子等价，无需标注4D训练数据，实现高效合成与编辑。
Comments ECCV 2026
VKnowU：评估多模态语言模型中的视觉知识理解
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； Shanghai Innovation Institute（上海创新研究院） ； City University of Hong Kong（香港城市大学）
AI总结 研究多模态大语言模型视觉知识理解能力，提出VKnowU基准测试。评估28个模型，发现与人类表现有差距。引入新数据集和VideoKnow+基线模型，采用结构化范式和强化学习，提升模型表现。
Comments Accepted by ECCV 2026. https://github.com/OpenGVLab/VKnowU
平坦最小值能改善稀疏新视图合成吗？
机构 * Yonsei University（延世大学）
AI总结 研究新视图合成中损失锐度与泛化的关系，提出结构感知锐度并根据局部图像结构自适应调整锐度正则化权重，可在保持细节重建所需锐度的同时促进泛化，提升多种基线方法。
Comments ECCV 2026
RoMa v2：更优更快更密集的特征匹配
机构 * Linköping University（_linköping大学） ； Chalmers University of Technology（_chalmers技术大学） ； University of Amsterdam（_阿姆斯特丹大学） ； Centre for Mathematical Sciences, Lund University（_数学科学中心，吕勒奥大学）
AI总结 研究针对现有密集匹配器在复杂场景中表现不佳及高精度模型慢等弱点，通过系列改进构建新架构与损失函数，采用解耦管道加速训练、减少内存使用，利用基础模型提升鲁棒性，新匹配器达新的技术水平。
Comments ECCV 2026 camera ready
Robobench：作为具身大脑的多模态大语言模型的综合评估基准
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（信息多媒体国家重点实验室，计算机学院，北京大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Institute for Brain and Intelligence, Fudan University（脑与智能研究院，复旦大学） ； University of Science and Technology Beijing（北京科技大学） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心）
AI总结 研究针对在动态非结构化环境中构建能感知、推理和行动的机器人的挑战，介绍RoboBench基准，涵盖多维度、多任务等，能评估多模态大语言模型，揭示其局限性并分析与下游控制关系，为量化高级认知提供支架。
Comments ECCV 2026 Camera Ready
结合差异-混淆不确定性和校准多样性用于主动细粒度图像分类
机构 * Jilin University（吉林大学）
AI总结 研究针对细粒度图像分类中可靠评估样本信息难的问题，提出DECERN方法，结合差异-混淆不确定性和校准多样性来衡量样本信息，经加权聚类和校准多样性，提升主动学习性能。
Comments Accepted by ECCV 2026
通过结构化掩码的布局条件自回归文本到图像生成
机构 * Advanced Micro Devices Inc.（超威半导体公司） ； Dalian University of Technology（大连理工大学） ； S-Lab, Nanyang Technological University（南洋理工大学S-Lab）
AI总结 提出SMARLI框架，通过结构化掩码策略将布局约束注入自回归生成过程，并采用GRPO后训练缓解曝光偏差，实现高质量布局控制图像生成。
Comments ECCV 2026
区域感知多模态大语言模型：基于慢快标记化与伪掩码引导的3D CT报告生成
机构 * Department of Convergence Medicine, University of Ulsan College of Medicine, Asan Medical Center, Seoul, Republic of Korea（韩国首尔峨山医疗中心蔚山大学医学院融合医学系） ； University of Ulsan College of Medicine, Seoul, Republic of Korea（韩国首尔蔚山大学医学院） ； Department of Radiology and Research Institute of Radiology, University of Ulsan College of Medicine, Asan Medical Center, Seoul, Republic of Korea（韩国首尔峨山医疗中心蔚山大学医学院放射科与放射学研究所）
AI总结 提出MedRegion-CT框架，通过区域慢快标记器联合建模全局与细粒度信息、伪掩码引导关注诊断关键区域、结构化病变信息提示，实现高质量CT报告生成，在多项指标上达到最优。
Comments Accepted to ECCV 2026. 15 pages, 8 figures, 4 tables
净化然后引导：重新思考多模态人脸反欺骗的领域泛化
机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； School of Computing and Information Technology, Great Bay University（大湾区大学计算与信息科技学院） ； Dongguan Key Laboratory for Intelligence and Information Technology（东莞智能与信息处理重点实验室） ； Guangdong Provincial Key Laboratory of Intelligent Information Processing, Shenzhen University（广东省智能信息处理重点实验室） ； Tencent Youtu Lab（腾讯优图实验室） ； School of Psychology, Shanghai Jiao Tong University（上海交通大学心理学院） ； Faculty of Applied Sciences, Macao Polytechnic University（澳门理工学院应用科学学院） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 研究多模态人脸反欺骗中领域泛化问题，提出MMDA框架，利用CLIP零样本泛化能力，通过去噪和对齐机制提升跨模态对齐泛化性能，含多个模块及策略，实验表明优于现有方法。
Comments Accepted by ECCV 2026
用于健身动作形式评估的领域知识驱动自监督表示
机构 * University of British Columbia（不列颠哥伦比亚大学） ； FlexAI Inc.（FlexAI公司）
AI总结 研究健身动作形式评估问题，提出基于领域知识的自监督方法，利用动作谐波运动及多因素差异学习强大表示，创建新数据集，实验表明自监督表示优于现有方法且可用于其他领域。
Comments ECCV 2022
寻求分割：全景指代分割的主动感知
机构 * Fudan University（复旦大学）
AI总结 提出主动全景指代分割任务，通过记忆增强智能体PanoSeeker结合视觉语言模型与空间记忆，实现高效搜索与分割。
Comments ECCV 2026, Project Page: https://henghuiding.com/APRS/
基于训练无关的概念定位实现对抗印刷体攻击的鲁棒性
机构 * University of Virginia（弗吉尼亚大学）
AI总结 提出一种无需训练的可解释性方法，通过分析注意力头对词汇和语义的编码差异，定位并干预ViT中的词汇偏置电路，从而在不额外训练的情况下显著提升对印刷体攻击的鲁棒性。
Comments 15 pages main text, provisionally accepted to ECCV 2026
GeoMix: 通过全局上下文和多检测器训练实现无描述符视觉定位
机构 * Aalto University（阿尔托大学） ； Tampere University（坦佩雷大学） ； University of Oulu（奥卢大学）
AI总结 提出GeoMix框架，通过局部方向与距离嵌入、全局上下文节点和多检测器混合训练，增强几何判别性，显著提升无描述符视觉定位精度。
Comments ECCV 2026
对抗文本噪声与冗余：熵感知的密集视觉令牌剪枝
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出熵感知密集剪枝（EADP）框架，通过熵过滤文本噪声并利用子模最大化选择令牌，在严格预算下保留细粒度视觉线索，提升VLM精度-效率权衡。
Comments Accepted to ECCV 2026
面向解译的云去除：基于观测锚定残差流与地理上下文对齐
机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）理工学院） ； Shanghai Ai Lab（上海人工智能实验室） ； Faculty of Geosciences and Engineering, Southwest Jiaotong University（西南交通大学地球科学与工程学院）
AI总结 提出GACR框架，通过观测锚定残差流（OAR-Flow）将云去除重构为物理残差反演，结合地理上下文先验对齐（GCPA）保持语义结构，在六个数据集和十二个下游任务中验证了重建质量和下游精度提升。
Comments accepted by ECCV 2026
小波引导的语义信号补偿用于无反转图像编辑
机构 * School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院）
AI总结 针对无反转图像编辑中全局属性编辑不足的问题，提出基于小波的频率感知语义补偿策略，在生成早期增强有效信号，提升全局编辑能力同时保持背景保真度。
Comments Accepted to ECCV 2026
学习光谱和偏振线索用于一对多模态新视角合成
机构 * MEDIA Lab（媒体实验室） ； University of Padova（帕多瓦大学） ； Sony EUISPC（索尼欧洲影像处理中心） ； Sony Semiconductor Solutions Europe（索尼半导体解决方案欧洲分公司）
AI总结 提出SPoILeR方法，通过多模态预训练学习模态间相关性，在仅RGB监督下实现未见场景的多模态新视角渲染。
Comments Accepted at ECCV 2026. Project page: https://medialab.dei.unipd.it/paper_data/SPoILeR/
当令牌压缩失效：面向鲁棒ViT分割的结构剪枝与令牌缩减在高压缩率下的对比
机构 * Temasek Laboratories, Singapore University of Technology and Design（淡马锡实验室，新加坡科技设计大学）
AI总结 本文对比了令牌压缩与结构剪枝在ViT语义分割中的表现，发现高压缩率下令牌压缩性能急剧下降，而结构剪枝更稳定，并提出先剪枝后合并的联合策略以改善精度-鲁棒性权衡。
Comments Accepted to ECCV 2026
LongEgoRefer: 长形式自我中心视频指代表达理解基准
机构 * Woven by Toyota, Japan（丰田公司，日本） ； The University of Tokyo, Japan（东京大学，日本） ； National Institute of Informatics, Japan（日本信息机构国家研究所） ； Institute of Science Tokyo, Japan（东京科学研究所，日本） ； NII LLMC, Japan（日本信息机构LLMC） ； Kyoto University, Japan（京都大学，日本）
AI总结 提出LongEgoRefer基准，基于Ego4D长视频构建，解决现有基准仅关注短视频导致目标稀疏和活动复杂的问题，评估现有方法发现性能显著下降，凸显长形式自我中心时空定位的挑战。
Comments ECCV 2026. Dataset and code: https://github.com/shunya-kato/LongEgoRefer
ESC：面向可靠视觉语言模型的情感自我纠正
机构 * 1 GenAI4E Lab 2 University of Information Technology, Ho Chi Minh City, Vietnam 3 Universit\"at Trier, Germany 4 Ho Chi Minh University of Technology, Ho Chi Minh City, Vietnam 5 PAMI Lab, Vietnamese German University, Vietnam 6 Vietnam National University, Ho Chi Minh City, Vietnam 7 Carnegie Mellon University, USA 8 Omoshiroi AI, USA 9 Harvard University, USA 10 Basis Research Institute 11 PASSIO Laboratory, North Carolina A\&T State University, USA 12 Mohamed bin Zayed University of Artificial Intelligence, UAE 13 Northwestern University, USA [4pt] Equal contribution. Corresponding author
AI总结 提出训练无关的ESC框架，通过外部验证器检测错误初始响应并注入情感反馈，促使VLM自我纠正，提升安全、幻觉、感知和多模态推理等任务的可靠性。
Comments ECCV Main Track 2026 (113 pages, 15 tables, 65 figures). Project Page: https://genai4e.github.io/ESC/?
自动驾驶中基于LiDAR的3D物体检测的全面鲁棒性分析
机构 * Institute for TMDT, University of Wuppertal, Germany（TMDT研究所，乌尔姆大学，德国） ； IKB Faculty of Science, University of British Columbia, Canada（科学学院，不列颠哥伦比亚大学，加拿大）
AI总结 针对LiDAR-only 3D物体检测模型对抗鲁棒性研究不足的问题，提出一个综合评估框架，通过结构因子（点云密度、定位）和预测因子（误分类、定位误差、自车距离）分析，发现高容量体素检测器比支柱检测器更易受结构化坐标扰动，非锚点检测器鲁棒性差。
Comments Accepted at ECCV 2026 main
UnderOneFacade：全球立面语义分割基准数据集
机构 * Technical University of Munich（慕尼黑工业大学） ； University of Cambridge（剑桥大学） ； University of Nottingham（诺丁汉大学） ； National University of Singapore（新加坡国立大学）
AI总结 针对现有立面解析数据集地理范围窄、语义不一致的问题，提出全球最大跨国家、跨洲的3D立面基准UnderOneFacade，包含27亿标注点，评估多种模型并揭示其跨域性能下降，为鲁棒可迁移的3D分割模型提供基准。
Comments accepted by ECCV 2026
异构约束下无需训练的可控人体运动生成
机构 * Lancaster University（兰卡斯特大学） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 提出Motion-Inference-as-Control框架，将扩散运动生成建模为随机控制问题，统一处理连续目标型和基于准则的约束，无需约束特定训练或可微性要求。
Comments ECCV 2026
NeoMap: 无需训练的单图像和视频新视角合成
机构 * Shenzhen Research Institute, The Hong Kong Polytechnic University（香港理工大学深圳研究院） ； vLAR Group, The Hong Kong Polytechnic University（香港理工大学vLAR实验室）
AI总结 提出NeoMap，一种无需训练的框架，通过收敛流形交替投影迭代优化初始噪声，从预训练视频模型中定位高保真、视角一致的新视角解，在多个基准上达到最优。
Comments ECCV 2026. Jinxi and Tianyi are co-first authors. Code and data are available at: https://github.com/vLAR-group/NeoMap
PhysMani：基于物理原理的动态物体操作3D世界模型
机构 * vLAR Group, The Hong Kong Polytechnic University（香港理工大学vLAR Group） ； Astribot
AI总结 提出PhysMani框架，结合物理原理的3D高斯世界模型与未来感知动作策略模型，通过在线优化学习无散度高斯速度场预测动态，在16个任务基准上超越基线方法。
Comments ECCV 2026. Code and data are available at: https://github.com/vLAR-group/PhysMani
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