期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
开放词汇BEV分割：基于3D感知几何约束的方法
机构 * KAIST AI（韩国科学技术院人工智能） ； NAVER LABS（NAVER实验室）
AI总结 针对开放词汇BEV分割中2D VLM语义到BEV的3D几何不一致问题，提出OVBEVSeg框架，通过三阶段几何约束（伪标签、场景优化、知识蒸馏）实现高效在线推理，在nuScenes上未见类别mIoU超越闭集方法15.3，推理速度提升2.5倍。
Comments This paper has been accepted to ECCV 2026
RiO-DETR：面向实时的定向目标检测DETR
机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Tsinghua University（清华大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合国家科学中心人工智能研究院）
AI总结 RiO-DETR通过任务原生设计解决实时定向检测中的角度估计、周期性细化和密集监督问题，实现速度与精度的平衡。
Comments Accepted by ECCV 2026, 31 pages, 9 figures
人体网格建模用于Any Body
机构 * NAVER LABS Europe（NAVER实验室欧洲）
AI总结 Anny是一种基于人体测量学知识的简单、无需扫描的人体身体模型，能够生成逼真的人体形状，并支持高精度的3D人体建模任务。
Comments Presented at ECCV 2026. Code available at https://github.com/naver/anny
面向非朗伯表面的鲁棒单目深度估计
AI总结 该研究针对单目深度估计在非朗伯表面预测鲁棒性不足的问题，提出梯度域约束的区域引导方法及可选光照融合模块，在相关数据集和竞赛测试中取得优于Depth Anything V2的性能。
Comments Accepted to ECCV 2024 Workshop TRICKY
用于视频级矛盾心理和犹豫识别的交互流知识引导多模态推理
AI总结 研究视频级矛盾心理和犹豫识别难题，提出PRISM-AH框架，通过冻结编码器、轻量级流模型处理多模态冲突，经窗口级注释监督、知识引导大语言模型推理，在测试中取得较好宏观F1，验证推理增益可转移。
Comments 14 Pages, 1 Figure, Ambivalence/Hesitancy (AH) Video Recognition Challenge, ECCV 2026
AerialMetric: 在真实世界中基准测试和适配无人机单目度量深度估计
机构 * Sun Yat-sen University, Shenzhen Campus（中山大学深圳校区） ； FNii–Shenzhen（FNii-深圳） ； SSE, CUHKSZ（SSE，CUHKSZ） ； SIAS, USTC（SIAS，中国科学技术大学）
AI总结 针对无人机航拍图像中的单目度量深度估计问题，构建了包含5.2万真实和1.6万合成图像-深度对的基准数据集，系统评估现有模型并微调代表性方法，实现航拍场景下的最优性能。
Comments ECCV 2026. Project page: ECCV2026-page/" target="_blank" rel="noopener">https://kuieless.github.io/AerialMetric-ECCV2026-page/
面向会话式说话人脸生成的灵活、自然、高效交互
机构 * 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） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； CAIR, HKISI, Chinese Academy of Sciences（中国科学院香港创新研究院人工智能与机器人创新中心） ； SCSE, FIE, M.U.S.T（澳门科技大学创新工程学院计算机科学与工程学院）
AI总结 提出InterTalk框架，基于运动架构实现多轮多人对话的实时生成，通过显式建模对话动态、多参与者运动反馈和迭代生成策略，以及面部组件解耦，在保持30FPS实时性的同时提升交互自然性和灵活性。
Comments 17 Pages,8 figures. Project Page: https://bq-wang0511.github.io/InterTalk/
Journal ref ECCV 2026
MLVC：面向实际部署的多平台学习型视频编解码器
机构 * Microsoft Corporation（微软公司）
AI总结 提出MLVC，一种跨平台鲁棒的神经视频编解码器，通过超先验显式传输缩放参数保证熵编码一致性，结合门控记忆、ReGLU激活等架构改进，在VCD基准上相比硬件HEVC实现>70% BD-rate提升，且与无法跨平台运行的DCVC-RT主观质量相当。
Comments Accepted to ECCV 2026. Code: https://github.com/microsoft/mlvc
低延迟基于事件的对象检测与空间稀疏线性注意力
机构 * Tsinghua University（清华大学） ； University of Zurich（苏黎世大学） ； ShanghaiTech University（上海交通大学）
AI总结 本文提出SSLA，一种空间稀疏线性注意力机制，用于提升基于事件的目标检测效率与精度，实现低延迟性能。
Comments 19 pages, 4 figures, 8 tables, ECCV 2026
FlowInOne：将多模态生成统一为图像输入、图像输出的流匹配
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Central South University（中南大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； Microsoft（微软）
AI总结 本文提出FlowInOne框架，将多模态生成统一为纯视觉流匹配，通过视觉提示消除跨模态对齐瓶颈，实现文本到图像生成、布局引导编辑和视觉指令遵循的统一。
Comments Accepted by ECCV 2026. 38 Pages, 21 Figures, 12 Tables
超越提示：无条件3D反演用于分布外形状
机构 * ETH Zürich（苏黎世联邦理工学院） ； École Polytechnique（巴黎高等理工学院） ； Dassault Systèmes（达索系统）
AI总结 研究揭示了文本驱动生成模型在3D形状生成中的局限性，提出通过解耦几何表示与语言敏感性来提升无条件生成的鲁棒性。
Comments Accepted to ECCV 2026
SynFlow：通过合成数据扩大LiDAR场景流估计
机构 * RPL, KTH Royal Institute of Technology（RPL，瑞典皇家理工学院） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出SynFlow，通过大规模合成数据生成管道，为LiDAR场景流估计提供鲁棒的运动先验。实验表明，基于SynFlow-4k的模型在多个真实世界基准上表现优异，且在少量真实标签下仍能超越基线模型。
Comments ECCV 2026; 18 pages, 4 figures
用于工作流生成的以知识为中心的智能体
机构 * INSAIT（未知机构） ； Sofia University “St. Kliment Ohridski”（索非亚大学“圣克莱门特·奥赫里德斯基”分校） ； Adobe Research（Adobe研究院）
AI总结 研究视觉创作系统中工作流生成问题，提出以知识为中心的框架，通过知识反转、注入和可逆推理进行工作流生成，实验证明该方法生成的工作流在多样性、结构连贯性和执行成功率上优于现有系统。
Comments Accepted to ECCV 2026
探索性、交流性和可部署性：用于开放世界移动操作的视觉驱动具身智能体
AI总结 研究针对具身智能体现实部署难题，提出REAL框架，通过建立一致环境API、设计任务组合优化性能，引入REAL - Bench评估。实验显示其智能体在交互式任务中表现出色，在物理机器人上也实现高成功率，弥合现实差距。
Comments Accepted to ECCV 2026. 57 pages. Code available at https://github.com/InternRobotics/REAL
用上下文提示调优个性化你的大型视觉语言模型
机构 * Brown University（布朗大学） ； Columbia University（哥伦比亚大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Purdue University（普渡大学） ； Rutgers University（罗格斯大学）
AI总结 提出上下文提示调优（ICPT）方法，通过轻量投影模块从多参考图像中提取细粒度视觉语义并转化为连续提示，结合几何正则化解决环境偏差和跨概念干扰，实现高效个性化。
Comments Accepted at ECCV 2026, 27 pages, 10 figures, 5 tables
StAR：分段任何推理器
AI总结 本文提出StAR框架，通过多角度优化提升分割性能，并首次引入并行测试时间扩展，构建ReasonSeg-X数据集以评估高级方法。
Comments ECCV 2026 / Code: https://github.com/ysj9909/StAR
HandSCS: 用于可动画手高斯点云的结构坐标空间
机构 * Queen Mary University of London（伦敦女王学院） ； University of Surrey（萨里大学）
AI总结 HandSCS 通过结构引导的 3D 高斯点云框架实现高保真的手部动画，采用结构坐标空间和跨姿态一致性损失提升姿态间一致性。
Comments Accepted to ECCV 2026
循环自回归扩散：全局记忆与局部注意力相结合
机构 * Peking University（北京大学） ； Princeton University（普林斯顿大学） ； Nanyang Technological University（南洋理工大学）
AI总结 研究针对超长视频生成中现有模型的不足，提出循环自回归扩散（RAD）框架，结合循环块与局部注意力，解决训练推理差距等问题，在相关数据集实验中展现出长视频生成的优越性。
Comments Published at ECCV 2026. Project page: https://yeyutaihan.github.io/recurrent-autoregressive-diffusion/
SLAM-Former：将同步定位与地图构建集成于一个Transformer
机构 * IIIS, Tsinghua University（清华大学智能系统研究所）
AI总结 研究将SLAM功能集成于单个Transformer的方法，核心是SLAM-Former由协同的前后端组成，前端实时处理单目图像用于增量映射和跟踪，后端全局优化，实验证明该方法相比现有密集SLAM方法性能优越。
Comments Published on ECCV 2026, Project Page:https://tsinghua-mars-lab.github.io/SLAM-Former
SAFE-Pruner: 语义注意力引导的未来感知令牌剪枝用于高效视觉-语言-动作操控
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学）
AI总结 针对视觉-语言-动作模型推理加速中现有剪枝方法忽略深层视觉信息的问题，提出SAFE-Pruner框架，通过引入未来层注意力线索和语义注意力一致性实现前瞻性令牌剪枝，在仿真和真实实验中取得最高1.89倍加速且成功率下降小于1.7%。
Comments Accepted to ECCV 2026
真实场景中的逼真幻影道路：从物理几何中解构3D幻觉
机构 * University of Michigan（密歇根大学）
AI总结 本文提出首个端到端框架，用于探测、量化和抑制单目深度模型中因几何平面输入而产生的3D幻觉现象，通过引入3D-幻影基准和基于拉普拉斯的评估框架，提升深度模型的结构和上下文鲁棒性。
Comments Accepted to ECCV 2026
在程序材质生成中反映过程专业知识
机构 * University of California San Diego（加利福尼亚大学圣地亚哥分校）
AI总结 研究聚焦程序材质生成，核心方法是将其作为检索时的过程推理，利用专家演示、教程视频等提取轨迹并合成材质图。主要贡献是生成的材质编辑少、更符合专业策略，且相比先前系统有更好的生成和编辑性能。
Comments Accepted to ECCV 2026. Project page: https://materialapprentice.github.io
AnchorPrune：用于视觉令牌剪枝的相关性锚定上下文扩展
机构 * Chung-Ang University（崇实大学）
AI总结 研究针对大型视觉语言模型推理成本高、视觉令牌冗余问题，提出无需训练的AnchorPrune框架，通过构建相关性锚点并扩展，自适应确定锚点大小，分配预算恢复上下文，提升了模型的准确率与效率，尤其在严重压缩下效果显著。
Comments ECCV 2026
面向多光谱目标检测的完全旋转等变光谱-空间学习
机构 * Beijing Institute of Technology（北京理工大学）
AI总结 针对现有多光谱检测器的三类局限，提出FressDet框架，通过三个互补组件实现任意平面旋转下的可靠光谱-空间融合，在参数量减少93%的情况下取得SOTA性能。
Comments Accepted by ECCV 2026
MV-GEL：语言驱动的多视图网格几何实体定位
机构 * Helmholtz Zentrum Hereon（亥姆霍兹赫里恩研究中心） ； Institute for Continuum and Material Mechanics, Hamburg University of Technology（汉堡工业大学连续介质与材料力学研究所） ； German Research Center for Artificial Intelligence（德国人工智能研究中心）
AI总结 提出MV-GEL框架，通过语言查询定位网格上的细粒度几何实体，利用视角选择模块GELviews优先选择可观察性高的视角，结合VLM分割和光线投射提升定位精度。
Comments Accepted at ECCV 2026
任务对齐：一种简单的有效代理，用于计算机视觉中的模型融合
机构 * NAVER LABS Europe（NAVER欧洲实验室）
AI总结 本文提出任务对齐代理，解决多任务视觉模型中模型融合的超参数选择问题，提升模型融合在复杂场景中的实用性。
Comments Accepted at ECCV 2026
ELT：弹性循环变换器用于视觉生成
AI总结 ELT通过共享权重的循环变换块实现高效视觉生成，采用Intra-Loop Self Distillation提升训练效率，实现动态平衡计算成本与生成质量。
Comments Accepted to ECCV 2026
从时间维度上统一研究相机陷阱物种识别的启示与开放问题
机构 * The Ohio State University（俄亥俄州立大学） ； Boston University（波士顿大学）
AI总结 本文通过统一研究相机陷阱物种识别的时间变化，揭示了生态实践中维持可靠识别的挑战，提出了一种真实场景的基准测试，并发现生物基础模型在多个站点表现不佳，适应性困难，以及类不平衡和时间偏移是主要因素。
Comments The first three authors contribute equally. Accepted by ECCV 2026
4DGS360：从单个视频中进行动态物体的360度高斯重建
机构 * Seoul National University（首尔国立大学）
AI总结 本文提出4DGS360框架，通过3D原生初始化解决动态物体360度重建中的几何模糊问题，结合优化实现一致的4D重建，并引入iPhone360基准测试集验证方法有效性。
Comments Accepted to ECCV 2026. Project page: https://jaewon040.github.io/4dgs360/
CGCE：生成模型中的分类器引导概念擦除
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究针对生成模型不安全内容生成的问题，提出分类器引导概念擦除（CGCE）框架。该框架用轻量级分类器检测并细化不良概念提示，仅在推理时修改不安全嵌入，能防止有害内容生成，在安全性和性能间取得平衡，实验验证其有效性。
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