期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
DriveVA: 视频动作模型是零样本驱动器
机构 * University of Twente（特温特大学） ； Xiaomi EV（小米电动汽车） ； University of Cambridge（剑桥大学） ； University of Bath（巴斯大学）
AI总结 DriveVA提出了一种新的自动驾驶世界模型，通过共享潜在生成过程联合解码未来视觉预测和动作序列，提升跨数据集和传感器配置的泛化能力，减少碰撞率和误差。
Comments Accepted to ECCV 2026. 30 pages, 12 figures, 11 tables
Salt：基于缓存感知训练的自一致分布匹配用于快速视频生成
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Vivix Group Limited（Vivix集团有限公司）
AI总结 本文提出Salt方法，通过自一致分布匹配和缓存感知训练，提升低推理预算下的视频生成质量，兼容多种KV缓存机制。
Comments Accepted by ECCV 2026
摩尔视频认证：一种对抗AI视频生成的物理签名
机构 * Boston University（波士顿大学）
AI总结 本文提出基于物理现象的视频认证方法，利用摩尔效应产生独特的视觉特征，通过分析视频中摩尔条纹的相位和位移关系，区分真实与AI生成视频。
Comments Accepted to ECCV 2026. Project page and code: https://yuanqing-ai.github.io/physical_video_signature/
通过动态知识空间实现自动驾驶的去混淆终身学习
机构 * Tongji University（同济大学）
AI总结 本文提出DeLL框架，结合DPMM与因果推理的front-door调整机制，构建动态知识空间以解决自动驾驶中的灾难性遗忘和知识迁移问题，并引入进化轨迹解码器提升规划能力。
Comments Accepted by ECCV 2026
GaussianGPT：迈向自回归3D高斯场景生成
机构 * Technical University of Munich, Germany（德国慕尼黑工业大学）
AI总结 本文提出GaussianGPT，一种基于Transformer的自回归模型，通过逐词预测生成3D高斯分布，实现可控的3D场景生成，支持逐步构建场景并支持完成、外推等操作。
Comments Project page: https://nicolasvonluetzow.github.io/GaussianGPT/ - Project video: https://youtu.be/zVnMHkFzHDg - Accepted at ECCV 2026
UniDrive-WM：面向自动驾驶的统一理解、规划和生成世界模型
机构 * Bosch Research North America & Bosch Center for Artificial Intelligence (BCAI)（博世北美研究院与博世人工智能中心） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Arizona State University（亚利桑那州立大学） ； Case Western Reserve University（凯斯西储大学）
AI总结 提出UniDrive-WM，一个基于VLM的统一世界模型，联合执行场景理解、轨迹规划和未来图像生成，在Bench2Drive上轨迹误差降低7.3%，碰撞率降低10.4%。
Comments Accepted to ECCV 2026. Project Page: https://unidrive-wm.github.io/UniDrive-WM
重新审视自回归模型用于生成式图像分类
机构 * Yandex Research（Yandex 研究）
AI总结 本文通过利用任意顺序自回归模型估计边缘化预测，解决了固定token顺序限制，使自回归生成分类器在性能上超越扩散模型，效率提升25倍。
Comments ECCV 2026
FUMO：先验调制扩散模型用于单图像反射去除
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Xi’an Jiaotong University（西安交通大学）
AI总结 提出FUMO扩散模型，通过从混合图像提取强度和高频先验，结合粗到细训练范式，实现空间自适应和结构保真的单图像反射去除。
Comments Accepted by ECCV 2026
SegFly：大规模航空RGB-热红外语义分割的数据集与2D-3D-2D范式
机构 * Fraunhofer Institute IVI（弗劳恩霍夫交通与基础设施系统研究所） ； TU Munich（慕尼黑工业大学） ； MCML（慕尼黑机器学习中心） ； UCLA（加州大学洛杉矶分校） ； Uni Cambridge（剑桥大学）
AI总结 针对航空RGB-T数据集规模小、标注成本高和对齐困难的问题，提出几何驱动的2D-3D-2D范式，通过少量RGB标注自动生成密集伪标签并实现跨模态对齐，构建含2万+RGB图像和1.5万+RGB-T对的SegFly基准，实验表明该范式有效提升分割性能。
Journal ref ECCV 2026
利用视频扩散先验的超低比特率图像压缩的下一帧解码
机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 提出一种超低比特率图像压缩新范式，通过定义紧凑锚帧作为中间状态，利用预训练视频扩散模型将解码转化为下一帧预测，在保持语义的同时丢弃高频细节，相比DiffC在CLIC2020上节省超50%比特率并实现5倍解码加速。
Comments Accepted by ECCV 2026
Interact3D: 交互式物体的组合3D生成
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； Adobe ； Fudan University（复旦大学）
AI总结 提出Interact3D框架，通过统一3D引导场景、两阶段组合流水线（全局到局部几何对齐和基于SDF的优化）以及闭环智能体修正策略，从单张图像生成物理合理的交互式3D组合物体，解决遮挡和空间关系保持问题。
Comments Accepted to ECCV 2026
Geo-ID: 测试时几何一致性用于跨视角一致本征分解
AI总结 提出Geo-ID框架，利用稀疏几何对应关系在测试时耦合单视角本征预测，实现跨视角一致分解，无需重训练或逆渲染。
Comments Accepted to ECCV 2026. Camera-ready version
SlowBA：针对基于VLM的GUI代理的高效后门攻击
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院）
AI总结 提出SlowBA后门攻击，通过强化学习注入触发模式，诱导VLM-based GUI代理产生冗长推理链，显著增加响应延迟，同时保持任务准确性。
Comments Accepted by ECCV 2026. Codes and supplementary materials are in https://github.com/tu-tuing/SlowBA
基于扰动高斯集成的主动视角选择用于层析重建
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Australian National University（澳大利亚国立大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 针对稀疏视角CT重建中视角选择问题，提出扰动高斯集成框架，通过不确定性建模和密度引导扰动选择最优视角，有效消除几何伪影。
Comments Accepted to ECCV 2026. Project page: https://perturbed-gaussian-ensemble.cvmlgroup.web.illinois.edu/
扩散变换器超分辨率的频谱与轨迹正则化
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shenzhen Transsion Holdings Co., Ltd.（深圳传音控股股份有限公司）
AI总结 提出StrSR框架，通过非对称判别蒸馏和频率分布匹配策略，解决扩散变换器在真实图像超分辨率中的轨迹失配和周期性伪影问题，实现最先进性能。
Comments 15 pages, appears at ECCV 2026
AFFMAE: 在桌面硬件上实现高分辨率显微图像分割的可扩展视觉预训练
机构 * Department of Laboratory Medicine & Pathology, University of Washington（华盛顿大学检验医学与病理学系） ； Paul G. Allen School of Computer Science & Engineering, University of Washington（华盛顿大学保罗·G·艾伦计算机科学与工程学院） ； Electrical Engineering & Computer Science, Oregon State University（俄勒冈州立大学电气工程与计算机科学系）
AI总结 提出AFFMAE框架，通过自适应离网格令牌合并实现分层预训练，在桌面硬件上以2倍预训练速度和减半内存达到与MAE相当的显微分割性能。
Comments ECCV 2026
基于语义注入的通用图像免疫方法抵御基于扩散模型的图像编辑
机构 * POSTECH（浦项科技大学） ； GIST（光州科学技术院） ； Yonsei University（延世大学）
AI总结 提出首个通用对抗扰动框架，通过语义注入使扩散模型误解输入图像，抑制原始内容，从而有效阻断未经授权的编辑，在通用扰动设置下优于基线，并具备黑盒迁移性。
Comments ECCV 2026
Magic-MM-Embedding: 面向视觉令牌高效的多模态大语言模型通用嵌入
机构 * Honor Device Co., Ltd., China（荣耀终端有限公司，中国）
AI总结 提出Magic-MM-Embedding，通过视觉令牌压缩架构和多阶段渐进训练策略，在通用多模态嵌入中实现高效率和最先进性能。
Comments Accepted by ECCV 2026
GryphOne: 面向离线手写数学表达式识别中结构细化的符号感知掩码扩散
机构 * Preferred Networks, Inc.（Preferred Networks公司） ； Kyushu University（九州大学）
AI总结 提出离散扩散框架GryphOne，将HMER重构为迭代符号细化而非序列生成，通过符号感知分词和随机掩码互学习提升鲁棒性，在MathWriting上达到5.51% CER和59.9% EM，超越所有重实现模型和商业系统。
Comments ECCV 2026
病理学组合检索的组织病理学多模态嵌入
机构 * The University of Texas at Arlington（德克萨斯大学阿灵顿分校）
AI总结 提出HOMIE框架，将生成式多模态大语言模型适配为病理检索专家，解决组合查询中的架构、任务和领域不匹配问题，在病理组合检索基准上显著优于现有方法。
Comments Accepted by ECCV 2026
PanoGrounder: 利用全景场景表示桥接2D和3D，实现基于VLM的3D视觉定位
机构 * Seoul National University（首尔大学） ； Robotics Lab, Hyundai Motor Company（现代汽车公司机器人实验室） ； Pohang University of Science and Technology (POSTECH)（浦项科技大学）
AI总结 提出PanoGrounder框架，通过多模态全景表示与预训练2D VLM结合，实现强泛化能力的3D视觉定位，在ScanRefer和Nr3D上取得最优结果。
Comments ECCV 2026
SONIC: 用于一致性修复的噪声谱优化
机构 * University of British Columbia（不列颠哥伦比亚大学） ； Google DeepMind（谷歌DeepMind）
AI总结 提出一种无需训练的修复方法，通过谱域优化初始噪声样本，使通用文本到图像模型适用于修复任务，在少量优化步骤后超越现有技术。
Comments Accepted at ECCV 2026
RoadBench: 在城市道路场景下对多模态大语言模型进行细粒度空间理解与推理的基准测试
机构 * Department of Electronic Engineering, BNRist, Tsinghua University（清华大学电子工程系、北京信息科学与技术国家研究中心） ； Zhongguancun Academy（中关村学院） ； Amap, Alibaba Group（阿里巴巴集团高德地图）
AI总结 针对城市复杂场景中多模态大语言模型在细粒度空间理解与推理能力上的不足，提出RoadBench基准，包含8个任务、3040个测试用例，通过鸟瞰图和第一人称视角图像评估模型性能，揭示现有模型在此类任务上的显著缺陷。
Comments Accepted by ECCV 2026, the code and data are publicly available at: https://github.com/tsinghua-fib-lab/RoadBench
VisReason: 面向视觉思维链推理的大规模数据集
机构 * Stony Brook University（石溪大学） ； Boston University（波士顿大学） ； MMLab, The Chinese University of Hong Kong（香港中文大学多媒体实验室）
AI总结 为解决多模态大模型缺乏大规模视觉思维链数据的问题，构建包含48.9万样本的VisReason数据集及专家级子集VisReason-Pro，通过微调Qwen2.5-VL模型显著提升逐步视觉推理准确性与泛化能力。
Comments ECCV Camera Ready, project page: https://y-research-sbu.github.io/VisReason/
连续推测解码用于自回归图像生成
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； MAIS, 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实验室） ； JD.COM Inc（京东集团股份有限公司） ； China Tower Corporation Limited（中国铁塔股份有限公司）
AI总结 提出连续推测解码方法，通过近似准则、去噪轨迹对齐和接受-拒绝采样，加速连续视觉自回归模型，实现2倍以上加速且保持生成质量。
Comments ECCV 2026
Affogato: 基于大规模自动数据生成的开词汇可操作区域定位
机构 * Pohang University of Science and Engineering (POSTECH)（浦项科技大学） ； SqueezeBits ； RLWLRD
AI总结 提出Affogato框架，通过自动化流程生成750K 3D可操作区域热力图与自然语言查询对，解决数据瓶颈，实现开词汇可操作区域定位，并验证其跨架构迁移能力。
Comments ECCV 2026, Project page: https://junha-l.github.io/affogato/
一次学习，随处编辑：扩散模型的视觉方向迁移
机构 * Virginia Tech（弗吉尼亚理工大学）
AI总结 提出ViDiT框架，通过从图像编辑对中学习连续编辑方向，实现无需微调的零样本图像属性编辑，在保持输入保真度的同时实现精确、可扩展的属性控制。
Comments ECCV 2026, Project page: http://vidit-edit.github.io
通过CLIP实现分类器无关的零样本对抗攻击检测
机构 * Technion - Israel Institute of Technology（以色列理工学院）
AI总结 提出A4D框架，利用CLIP的提示相似度分数，在完全黑盒零样本设置下检测对抗攻击，无需攻击或分类器先验知识。
Comments Accepted to ECCV 2026
FaceMoE：用于低分辨率人脸识别的专家混合模型
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 针对低分辨率人脸识别中特征提取困难和域差距问题，提出FaceMoE，采用专家混合Transformer架构，通过多个FFN专家和top-k路由器实现分辨率感知特征提取，在十一个数据集上超越现有方法。
Comments ECCV 2026, Project Page: https://kartik-3004.github.io/FaceMoE/
跨空间蒸馏：用现代扩散教师训练一步学生模型
机构 * Qualcomm AI Research（高通AI研究院） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Johns Hopkins University（约翰霍普金斯大学） ； Rutgers University（罗格斯大学）
AI总结 提出跨空间蒸馏框架，通过轻量级潜在接口Bridge解决教师与学生模型潜在空间不匹配问题，实现异构教师蒸馏到紧凑学生模型，显著提升性能。
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