期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
从自动标注视角解决半监督少样本学习
机构 * Texas A\&M University（德克萨斯A&M大学） ； University of Macau（澳门大学） ； Institute of Collaborative Innovation（协同创新研究院）
AI总结 提出SWIFT方法，通过温度锐化softmax输出和分阶段训练，利用视觉语言模型和开放数据，在半监督少样本学习中显著提升性能，接近监督学习水平。
Comments Accepted to ECCV 2026. Website and code: https://tian1327.github.io/SWIFT
通过扩散驱动选择实现一致且高效的数据集蒸馏
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学） ； Pengcheng Laboratory（鹏城实验室）
AI总结 提出利用扩散先验进行补丁选择而非生成的新框架，通过噪声预测和损失差异识别图像中独特区域，结合类内聚类和排序实现单步蒸馏，在多种指标和设置下优于现有方法。
Comments Accepted by ECCV 2026
基于上下文区域的拖拽：将任意区域拖拽至任意形状
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出ICRDrag方法，通过上下文学习框架和两种注意力正则化，实现区域级拖拽编辑，在精度和视觉保真度上显著优于现有方法。
Comments Accepted by ECCV 2026. Dataset, code, and model are available at https://github.com/bcmi/ICRDrag-Region-Drag-Editing
$S^{2}$-FracMix: 保持标签的自显著性混合增强
机构 * The University of Melbourne（墨尔本大学） ； Information Technology University（信息技术大学） ； Westlake University（西湖大学）
AI总结 提出$S^{2}$-FracMix框架，通过自显著性混合和分形模式注入，在单图像内生成标签一致的增强样本，提升视觉模型的泛化性和鲁棒性，在多个任务上达到最优。
Comments Accepted at ECCV 2026
UniTeD: 面向自动驾驶联合感知与规划的时域统一扩散模型
机构 * Nullmax ； Westlake University（西湖大学）
AI总结 提出UniTeD框架，通过共享生成空间的迭代去噪统一建模感知与规划，引入时域过渡模块和锚点刷新策略，在多个基准上达到最先进性能。
Comments Accept to ECCV 2026
SSMNBench: 通过单视图充分性与多视图必要性诊断基于图像的跨视角人-物理解
机构 * The University of Queensland（昆士兰大学） ； Australian Institute for Machine Learning, Adelaide University（阿德莱德大学澳大利亚机器学习研究所） ； University of Technology Sydney（悉尼科技大学） ； Follow Me AI Pty LTD（Follow Me AI有限公司）
AI总结 提出SSMNBench基准，通过单视图充分性(SVS)和多视图必要性(MVN)任务分类，诊断MLLM在跨视角人-物理解中的视觉干扰退化和跨视角融合失败问题。
Comments European Conference on Computer Vision (ECCV). 32 pages, 10 figures. The code is available at: $ \href{https://github.com/gtc-gh/SSMNBench}{\text{SSMNBench}} $
FeVOS：前瞻性表达视频目标分割
机构 * Institute of Big Data, College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与技术学院大数据研究所）
AI总结 提出前瞻性表达视频目标分割任务，通过推理时空线索预测未来目标，并构建FeVOS数据集和FeVOS-R1模型，实现最先进性能。
Comments Accepted by ECCV 2026. Homepage: https://henghuiding.com/FeVOS/
精简蒸馏：通过可学习数据剪枝实现高效知识蒸馏
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Faculty of Engineering, The Chinese University of Hong Kong（香港中文大学工程学院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； School of Computer Engineering and Science, Shanghai University（上海大学计算机工程与科学学院）
AI总结 提出IF-Beta框架，结合影响函数与可学习Beta分布采样策略，通过双层优化实现高效数据剪枝，在减少数据和计算量的同时提升蒸馏性能。
Comments Acceepted by ECCV 2026
C3-Bench：一种上下文感知的变化描述基准
机构 * Gwangju Institute of Science and Technology（光州科学技术院）
AI总结 提出C3-Bench基准，包含51种真实变化场景的4996对图像，并首次引入LLM-as-Judge评估框架，揭示现有模型在非训练分布场景下的系统性盲点。
Comments ECCV 2026 Camera-ready version
ESTANet: 通过预测不一致性实现程序性视频中的高效在线错误检测
机构 * Honda Research Institute, USA（本田研究所（美国）） ； Northeastern University（东北大学）
AI总结 提出ESTANet轻量框架，利用多个动作检测器在正确与错误执行时的预测不一致性，通过多数投票实现实时在线错误检测，在三个数据集上达到最优性能。
Comments 18 pages, 8 figures, uses eccv.sty
物理问题场景图：文本到视频生成中物理合理性的细粒度评估
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； AI2（艾伦人工智能研究所） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 提出物理问题场景图（PQSG），一种基于层次化问题的评估流程，通过图结构问题检查视频在对象、动作和物理规律上的忠实度，实现细粒度评估。
Comments ECCV 2026. Code and data: https://github.com/atinpothiraj/pqsg
OrthoTrack：基于公开正射影像的连续六自由度无人机轨迹估计
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Cambridge（剑桥大学） ； Microsoft（微软公司）
AI总结 提出OrthoTrack，利用公开正射影像和表面模型实现无训练、实时、无漂移的连续六自由度无人机轨迹估计，无需GPS或后处理对齐。
Comments ECCV 2026 - Project page: http://orthotrack.ethz.ch
曲率引导混合用于MLLM适配
机构 * Research Institute of Trustworthy Autonomous Systems and Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学可信自主系统研究院与计算机科学与工程系） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系）
AI总结 提出曲率引导混合（CGM）框架，通过二阶Hessian近似推导最优软混合比，以及硬混合变体CGM†，在LLaVA-1.5和Qwen2.5VL上改善任务专化与通用知识保持的权衡。
Comments Accepted to ECCV 2026
SEMIR：保持拓扑结构的图子式用于薄结构分割
机构 * University of Missouri-Kansas City（密苏里大学堪萨斯城分校）
AI总结 提出SEMIR框架，用参数化图子式替代像素网格，在收缩准则下保持薄结构连通性，通过轻量GNN分类并精确映射回像素，在多个数据集上匹配或超越基线并减少碎片化。
Comments Accepted to the European Conference on Computer Vision (ECCV) 2026
SENTRY: 基于SAM2增强的邻域感知与时序推理记忆用于视觉跟踪
机构 * Khalifa University（哈利法大学） ； University of Western Australia（西澳大利亚大学）
AI总结 针对SAM2跟踪器在遮挡、快速运动和干扰下因置信度掩码选择导致的漂移问题，提出无需训练、即插即用的SENTRY模块，通过短时一致性验证、多假设聚合和循环匹配来优化记忆更新，在9个基准上实现零样本SOTA。
Comments Accepted for publication at the European Conference on Computer Vision (ECCV 2026)
CMDS-AD: 跨模态双流解耦用于少样本异常检测
机构 * Shenzhen University（深圳大学） ； Guangzhou Maritime University（广州航海学院） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出跨模态双流异常检测框架CMDS-AD，通过扩散模型生成多样本并利用低频正常估计辅助解耦高频缺陷，在1-shot设置下MVTec 3D-AD上I-AUROC提升5.7%。
Comments Accepted to ECCV 2026! Project page: https://cmds-ad.github.io/
2K Retrofit: 熵引导的高效稀疏细化用于高分辨率3D几何预测
机构 * BUAA（北京航空航天大学） ； SJTU（上海交通大学） ； GigaAI ； XREAL ； NUST（南京理工大学） ； RUC（清华大学） ； NUDT（国防科技大学） ； UCAS（中国科学技术大学） ； BIBMS（北京工业大学）
AI总结 提出2K Retrofit框架，通过快速粗预测和基于熵的稀疏细化，在不修改基础模型的情况下实现高效2K分辨率几何预测，达到SOTA精度和速度。
Comments Accepted by ECCV 2026
VolSplat: 重新思考基于体素对齐预测的前馈式3D高斯泼溅
机构 * Zhejiang University（浙江大学） ； GigaAI ； University of Electronic Science and Technology of China（电子科技大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； The University of Adelaide（阿德莱德大学） ； Nanyang Technological University（南洋理工大学） ； Monash University（莫纳什大学）
AI总结 针对前馈式3D高斯泼溅中像素对齐预测的局限性，提出体素对齐的VolSplat方法，通过从预测的3D体素网格直接预测高斯，实现鲁棒的多视图一致性和更优的几何与渲染质量。
Comments ECCV 2026, Project Page: https://lhmd.top/volsplat, Code: https://github.com/ziplab/VolSplat
Articulat3D: 从单目视频中利用几何和运动约束重建关节式数字孪生
机构 * Wuhan University（武汉大学） ； Hong Kong Embodied AI Lab（香港具身AI实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Peking Union Medical College（北京协和医学院） ； University of Macau（澳门大学） ； Zhejiang University（浙江大学）
AI总结 提出Articulat3D框架，通过运动先验初始化和几何运动约束优化，从单目视频重建高保真关节式数字孪生，在合成和真实数据上达到最优性能。
Comments Accepted to ECCV 2026. 26 pages, 12 figures
CustomX: 视频世界模型中的统一角色、动作与场景定制
机构 * Fudan University（复旦大学） ； Microsoft Research（微软研究院） ； University of Waterloo（滑铁卢大学） ； The University of Hong Kong（香港大学）
AI总结 提出CustomX，结合静态世界生成与可控实体模型，支持用户指定角色在3D场景中执行开放动作，通过条件自回归视频生成保持视觉保真度。
Comments Accepted to ECCV 2026. Project page: https://snowflakewang.github.io/CustomX_Page/
LoT-Pass: 面向图像到视频生成的长期鲁棒图像水印
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 针对图像引导视频生成中源图像追踪缺失的问题，提出跨模态水印框架I2VWM，通过视频模拟噪声层和光流对齐模块增强水印的时间鲁棒性，在开源和商业模型上验证了效果。
Comments Accepted by ECCV 2026
BioMedVR: 面向生物医学视觉重编程的混淆感知提示专家混合模型
机构 * Guangdong Institute of Intelligence Science and Technology（广东智能科技研究院） ； Zhejiang University（浙江大学） ； Southeast University（东南大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Institute of Science Tokyo（东京科学大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出BioMedVR框架，通过可学习的VR模块实现预训练VLM在生物医学图像上的少样本适应，利用混淆最小化机制和提示专家混合模型解决细粒度分类中的类间混淆问题，在18个数据集上验证了优越性能。
Comments Accepted at ECCV 2026. 19 pages, 6 figures. Project page: https://jxliu-ai.github.io/biomedvr-page/
评估稀疏自编码器与概念标注的可解释性
机构 * The Berlin Institute for the Foundations of Learning and Data (BIFOLD)（柏林学习与数据基础研究所） ； Technische Universität Berlin（柏林工业大学） ； INRAE（法国国家农业、食品与环境研究院） ； Inria, EVERGREEN（法国国家信息与自动化研究所，EVERGREEN） ； UMR TETIS, Univ Montpellier（UMR TETIS，蒙彼利埃大学）
AI总结 提出一种基于人类标注的评估框架，通过合成基准和二分匹配方法量化稀疏自编码器潜在变量与概念的对齐，并验证可解释性。
Comments Accepted at ECCV 2026
VisCritic: 视觉状态比较作为GUI智能体的过程奖励
机构 * City University of Hong Kong（香港城市大学）
AI总结 提出VisCritic框架，通过比较操作前后截图在视觉特征空间中的变化来验证GUI智能体动作，结合孪生视觉Transformer和动作感知评判头，无需额外人工标注即可提升多基准测试性能。
Comments 17 pages, 4 figures; ECCV 2026 submission; supplementary material uploaded as ancillary file
推进面向艺术字的场景文本识别：数据集与方法
机构 * Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身人工智能研究所） ； Shanghai Key Laboratory of Multimodal Embodied AI, Fudan University（复旦大学上海市多模态具身人工智能重点实验室） ； WeChat Vision, Tencent Inc.（腾讯微信视觉团队） ； South China University of Technology（华南理工大学）
AI总结 针对艺术字场景文本识别（WATER）的挑战，构建了百万级合成数据集WATER-S，并提出支持任意形状输入和自回归解码的WATERec模型，在WordArt-Bench上达到90.40%准确率。
Comments Accepted by ECCV 2026
MambaRaw: 基于选择性状态空间建模的高效4K原始图像重建
机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） ； Dalian University of Technology（大连理工大学） ； Microsoft Research Asia（微软亚洲研究院） ； Hong Kong University of Science and Technology（香港科技大学） ； School of Computer Science, Peking University（北京大学计算机科学学院）
AI总结 提出MambaRaw框架，利用状态空间模型高效估计熵参数，通过TileMambaBlock和能量感知精化模块实现4K原始图像的高效重建，在三个相机数据集上达到最优性能。
Comments Accepted by ECCV 2026
EgoSAT: 一个全面的自我中心流式交互理解基准
机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 提出EgoSAT基准，统一自我中心视频的回顾、在线和前瞻推理任务，评估视觉语言模型在流式设置中的表现，发现现有模型存在前瞻/回顾困难及置信度校准问题。
Comments Accepted to ECCV 2026. Project page: https://leiyj23.github.io/EgoSAT/
面向多模态动作识别的模态感知分布外检测
机构 * University of Bonn（波恩大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习和人工智能研究所）
AI总结 提出一种后处理混合检测器，利用多模态与单模态预测关系及特征空间得分，在推理时显式考虑模态信息，提升多模态分布外检测性能。
Comments Accepted at ECCV '26
MATCH: 基于流匹配的多视角异常检测
机构 * Institute for Information Processing, L3S, Leibniz University Hannover（汉诺威莱布尼茨大学L3S信息处理研究所）
AI总结 提出首个基于流匹配的多视角异常检测方法MATCH，通过ODE公式估计似然并计算异常分数，在Real-IAD和MANTA-Tiny数据集上达到SOTA性能，且可在消费级硬件上实时运行。
Comments Accepted at ECCV 2026
SignNet-1M：大规模多语言手语视频数据集及下游基准
机构 * New York University Abu Dhabi（纽约大学阿布扎比分校） ； ChatSign Technology（ChatSign 技术公司） ； Tsinghua University（清华大学）
AI总结 提出SignNet-1M，通过3D高斯泼溅、扩散模型和后期渲染增强合成多样化手语视频，提升模型在跨视角、背景和身份等分布偏移下的泛化能力。
Comments 25 pages. Accepted to 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