ECCV

Timage: A Generative Text-in-Image Paradigm for Fine-Tuning Vision-Language Models

Timage: 一种用于微调视觉语言模型的文本嵌入图像生成范式

Yifeng Wu, Huimin Huang, Ruiluo Wu, Chunyi Lin, Guanhua Chen, Xian Wu, Wang Song, Ruize Han

机构 * Fudan University（复旦大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； Tencent Jarvis Lab（腾讯贾维斯实验室） ； Southern University of Science and Technology（南方科技大学） 纠错

AI总结 提出Timage范式，通过约束薛定谔桥将查询文本作为排版覆盖层嵌入图像，以显式空间锚点引导模型关注，在不侵蚀骨干能力前提下提升细粒度空间推理性能。

Comments ECCV

NoiseTilt: Noise-Tilted Reverse Kernels for Diffusion Reward Alignment

NoiseTilt: 噪声倾斜反向核用于扩散奖励对齐

Jisung Hwang, Yunhong Min, Jaihoon Kim, I-Chao Shen, Minhyuk Sung

机构 * KAIST（韩国科学技术院） ； The University of Tokyo（东京大学） 纠错

AI总结 提出噪声倾斜反向核(NTRK)，通过将奖励梯度注入噪声项实现奖励引导采样，保持预训练反向核不变，每步仅需单样本，在奖励对齐任务中超越现有方法且不损失样本质量。

Comments ECCV 2026

DRIFT: From Robustness Gaps to Invariance Manifolds for AI-Generated Image Detection

DRIFT: 从鲁棒性差距到AI生成图像检测的不变流形

Abhishek Ameta, Sayan Banerjee, Shreyas Pandith, Harshit, Ankita Chatterjee, Akshay Janardan Bankar, Amit Satish Unde

机构 * Samsung Research Institute, Bangalore, India（三星研究所，班加罗尔，印度） 纠错

AI总结 提出DRIFT方法，通过冻结视觉基础模型并学习真实图像的结构化不变流形，利用鲁棒和脆弱子空间分解及排序间隔实现AI生成图像检测，在未见生成器和分辨率上表现优异。

Comments Submitted to ECCV 2026

Geodesic Flow Matching on a Riemannian Degradation Manifold for Blind Image Restoration

黎曼退化流形上的测地流匹配用于盲图像恢复

Akshay Janardan Bankar, Ankita Chatterjee, Sayan Banerjee, Shreyas Pandith, Kalakonda Sai Shashank, Amit Satish Unde

机构 * Samsung Research Institute（三星研究院） 纠错

AI总结 提出在低维黎曼流形上显式建模退化，通过联合图像-流形空间上的测地流匹配目标学习内在传输动力学，实现盲图像恢复。

Comments Submitted to ECCV 2026

Learning Neural Deformation Representation for 4D Dynamic Shape Generation

学习神经变形表示用于4D动态形状生成

Gyojin Han, Jiwan Hur, Jaehyun Choi, Junmo Kim

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

AI总结 提出一种新的神经变形表示，结合条件神经符号距离场，设计解耦运动与形状潜在空间的4D表示架构，通过扩散模型生成高质量、高时间一致性的4D动态形状。

Comments ECCV 2024

Counterfactual Intervention Feature Transfer for Visible-Infrared Person Re-identification

反事实干预特征迁移用于可见光-红外行人重识别

Xulin Li, Yan Lu, Bin Liu, Yating Liu, Guojun Yin, Qi Chu, Jinyang Huang, Feng Zhu, Rui Zhao, Nenghai Yu

机构 * School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学） ； Key Laboratory of Electromagnetic Space Information, Chinese Academy of Science（电磁空间信息重点实验室，中国科学院） ； School of Data Science, University of Science and Technology of China（数据科学学院，中国科学技术大学） ； SenseTime Research（商汤科技研究院） ； Qing Yuan Research Institute, Shanghai Jiao Tong University（青元研究院，上海交通大学） 纠错

AI总结 针对可见光-红外行人重识别中图模型泛化性差的问题，提出反事实干预特征迁移方法，通过同质与异质特征迁移减少模态不平衡，并利用反事实关系干预增强图拓扑结构的可靠性。

Comments Accepted by ECCV 2022

Rethinking Weakly-supervised Video Temporal Grounding From a Game Perspective

从博弈视角重新思考弱监督视频时间定位

Xiang Fang, Zeyu Xiong, Wanlong Fang, Xiaoye Qu, Chen Chen, Jianfeng Dong, Keke Tang, Pan Zhou, Yu Cheng, Daizong Liu

机构 * Hubei Key Laboratory of Distributed System Security（湖北分布式系统安全重点实验室） ； Hubei Engineering Research Center on Big Data Security（大数据安全工程研究中心） ； School of Cyber Science and Engineering（网络安全科学与工程学院） ； Huazhong University of Science and Technology（华中科技大学） ； University of Central Florida（佛罗里达中央大学） ； Zhejiang Gongshang University（浙江工商大学） ； Guangzhou University（广州大学） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） 纠错

AI总结 本文从博弈论视角出发，通过多元合作博弈建模帧与词的不确定对应关系，实现多级跨模态交互，从而在弱监督下提升视频时间定位的准确性。

Comments Published in ECCV 2024

SNIC: Synthesized Noisy Images using Calibration

SNIC：利用校准合成噪声图像

Nik Bhatt

AI总结 本文提出SNIC数据集，通过校准管道生成高质量异方差噪声模型，减少PSNR差距达54-64%，并提供开源代码和噪声模型。

Comments 16 pages including Appendix, 14 figures and 4 tables. Revised for clarity; updated terminology and abstract; added URLs to GitHub and Harvard Dataverse. Using ECCV template

Effective Prompt Pool Learning for Continual Category Discovery

有效提示池学习用于连续类别发现

Fernando Julio Cendra, Xinghui Li, Kai Han

机构 * the University of Hong Kong（香港大学） 纠错

AI总结 本文提出PromptCCD和PromptCCD++框架，通过全局类原型和物体部分原型提升连续类别发现性能，揭示类别数量是发现性能的主要瓶颈。

Comments Under review. Extended version of our ECCV 2024 paper, see arXiv:2407.19001v2

Uni-World VLA: Interleaved World Modeling and Planning for Autonomous Driving

Uni-World VLA：自主驾驶中的交织世界建模与规划

Qiqi Liu, Huan Xu, Jingyu Li, Bin Sun, Zhihui Hao, Dangen She, Xiatian Zhu, Li Zhang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Li Auto Inc.（理想汽车） ； University of Surrey（萨里大学） 纠错

AI总结 本文提出Uni-World VLA模型，通过交织未来帧预测与轨迹规划提升自主驾驶决策能力，结合单目深度信息增强场景预测。

Comments 22 pages, 8 figures. Submitted to ECCV 2026. Code will be released

CODER: Coupled Diversity-Sensitive Momentum Contrastive Learning for Image-Text Retrieval

CODER: 耦合多样性敏感动量对比学习用于图像-文本检索

Haoran Wang, Dongliang He, Wenhao Wu, Boyang Xia, Min Yang, Fu Li, Yunlong Yu, Zhong Ji, Errui Ding, Jingdong Wang

机构 * Department of Computer Vision Technology (VIS), Baidu Inc., Beijing, China（百度公司计算机视觉技术部（VIS），北京，中国） ； Key Lab of Intelligent Information Processing of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS, Beijing, China（中国科学院智能信息处理重点实验室，中国科学院计算技术研究所，北京，中国） ； College of Information Science & Electronic Engineering, Zhejiang University, Hangzhou, China（浙江大学信息与电子工程学院，杭州，中国） ； School of Electrical & Information Engineering, Tianjin University, Tianjin, China（天津大学电气与信息工程学院，天津，中国） ； The University of Sydney, Sydney, Australia（悉尼大学，悉尼，澳大利亚） 纠错

AI总结 本文提出CODER，通过耦合多样性敏感动量对比学习提升跨模态表示，引入动态字典扩大图像-文本对规模，结合常识知识图谱生成概念级描述，实验表明在MSCOCO和Flickr30K上优于现有方法。

Comments Accepted by ECCV 2022

PiCo: Active Manifold Canonicalization for Robust Robotic Visual Anomaly Detection

PiCo：主动流形规范化的稳健机器人视觉异常检测

Teng Yan, Binkai Liu, Shuai Liu, Yue Yu, Bingzhuo Zhong

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

AI总结 PiCo通过主动流形规范化解决机器人视觉异常检测在多姿态和不稳定环境下的鲁棒性问题，采用分阶段机制提升几何不确定性和噪声消除能力，实验显示其在静态和闭环场景中均取得显著性能提升。

Comments 16 pages. Submitted to the European Conference on Computer Vision (ECCV) 2026

Solving the inverse problem of microscopy deconvolution with a residual Beylkin-Coifman-Rokhlin neural network

利用残差Beylkin-Coifman-Rokhlin神经网络求解显微成像反问题

Rui Li, Mikhail Kudryashev, Artur Yakimovich

机构 * Center for Advanced Systems Understanding (CASUS)（先进系统理解中心） ； Helmholtz-Zentrum Dresden-Rossendorf e. V. (HZDR)（德累斯顿-罗斯托克研究所） ； Max Delbrück Center for Molecular Medicine in the Helmholtz Association（马克斯·德尔布吕克分子医学研究中心） ； Institute of Medical Physics and Biophysics, Charite-Universitätsmedizin（医学物理与生物物理研究所） ； Institute of Computer Science, University of Wrocław（沃林福大学计算机科学研究所） 纠错

AI总结 本文提出一种基于物理约束的残差Beylkin-Coifman-Rokhlin神经网络，用于显微成像反问题，通过减少冗余参数提升效率和性能。

Comments 17 pages, 8 figures

Journal ref 2024. In European Conference on Computer Vision (pp. 378-395). Cham: Springer Nature Switzerland

GenVideoLens: Where LVLMs Fall Short in AI-Generated Video Detection?

GenVideoLens：在AI生成视频检测中LVLMs的局限性

Yueying Zou, Pei Pei Li, Zekun Li, Xinyu Guo, Xing Cui, Huaibo Huang, Ran He

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； Center for Research on Intelligent Perception and Computing, NLPR, Institute of Automation, Chinese Academy of Sciences（智能感知与计算中心、国家智能感知与信息处理实验室、中国科学院自动化研究所） 纠错

AI总结 GenVideoLens通过细粒度评估揭示LVLM在AI生成视频检测中的能力差距，发现其在光学一致性、物理交互和时间因果推理上表现不足，且模型性能在不同维度上差异显著。

Comments ECCV 2026 submission. 14 pages, 6 figures, 4 tables. Supplementary material included

Weight Conditioning for Smooth Optimization of Neural Networks

权重条件化以实现神经网络的平滑优化

Hemanth Saratchandran, Thomas X. Wang, Simon Lucey

机构 * Australian Institute for Machine Learning, University of Adelaide（澳大利亚机器学习研究所，阿德莱德大学） ； Sorbonne Université, CNRS, ISIR（索邦大学，法国国家科学研究中心，ISIR） 纠错

AI总结 本文提出一种新的权重规范化技术，通过缩小权重矩阵的奇异值范围，提升矩阵条件数，从而改善梯度下降收敛性能，实验验证其在多种神经网络架构中的有效性。

Comments ECCV 2024

Beyond the Class Subspace: Teacher-Guided Training for Reliable Out-of-Distribution Detection in Single-Domain Models

超越类别子空间：用于单域模型中可靠分布外检测的教师引导训练

Hong Yang, Devroop Kar, Qi Yu, Travis Desell, Alex Ororbia

AI总结 本文提出教师引导训练方法，通过蒸馏多域教师模型的残差结构，提升单域模型在分布外检测中的可靠性，显著降低远OOD的误检率，同时保持在域性能。

Comments 14 pages main text, 22 pages appendix; under review at ECCV 2026

UHD Image Deblurring via Autoregressive Flow with Ill-conditioned Constraints

通过病态约束的自回归流实现超高清图像去模糊

Yucheng Xin, Dawei Zhao, Xiang Chen, Chen Wu, Pu Wang, Dianjie Lu, Guijuan Zhang, Xiuyi Jia, Zhuoran Zheng

机构 * Shandong Normal University（山东师范大学） ； Qilu University of Technology（齐鲁工业大学） ； Nanjing University of Science and Technology（南京理工大学） ； National University of Defense Technology（国防科学技术大学） ； Shandong University（山东大学） 纠错

AI总结 本文提出了一种基于自回归流和病态约束的超高清图像去模糊方法，通过分阶段细化和高效ODE采样提升细节恢复与推理效率。

Comments Submitted to ECCV 2026

FreeFly-Thinking : Aligning Chain-of-Thought Reasoning with Continuous UAV Navigation

自由飞行-思考：将链式推理对齐连续无人机导航

Jiaxu Zhou, Shaobo Wang, Zhiyuan Yang, Zhenjun Yu, Tao Li

机构 * SJTU Paris Elite Institute of Technology（上海交通大学巴黎精英理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学） 纠错

AI总结 FreeFly-thinking是一种端到端的无人机视觉-语言导航框架，通过链式推理提升导航性能，实现了在复杂户外环境中的高效导航。

Comments 10 pages, 5 figures, ECCV review

AdaGen: Learning Adaptive Policy for Image Synthesis

AdaGen: 为图像合成学习自适应策略

Zanlin Ni, Yulin Wang, Yeguo Hua, Renping Zhou, Jiayi Guo, Jun Song, Bo Zheng, Gao Huang

机构 * Department of Automation, BNRist, Tsinghua University（自动化系、BNRist、清华大学） 纠错

AI总结 AdaGen通过学习自适应策略提升图像合成性能，采用强化学习优化调度过程，实现更高效的生成效果和可控的保真度-多样性权衡。

Comments Accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). Journal version of arXiv:2409.00342 (ECCV 2024). Code is available at: https://github.com/LeapLabTHU/AdaGen

Learning to Generate Conditional Tri-plane for 3D-aware Expression Controllable Portrait Animation

学习生成条件三平面以实现3D-aware的表达可控肖像动画

Taekyung Ki, Dongchan Min, Gyeongsu Chae

机构 * DeepBrainAI Inc.（DeepBrainAI公司） ； Graduate School of AI, KAIST, South Korea（人工智能研究生院，韩国科学技术院） 纠错

AI总结 本文提出Export3D方法，通过三平面生成器实现3D-aware的表达可控肖像动画，有效解决跨身份表情转移中的外观交换问题。

Comments ECCV 2024. Project page: https://export3d.github.io

Improving Pixel Embedding Learning through Intermediate Distance Regression Supervision for Instance Segmentation

通过中间距离回归监督改进像素嵌入学习用于实例分割

Yuli Wu, Long Chen, Dorit Merhof

机构 * Institute of Imaging and Computer Vision（成像与计算机视觉研究所） 纠错

AI总结 本文提出通过中间距离回归监督改进像素嵌入学习，以提升实例分割的性能，实验显示在CVPPP叶分割挑战中mSBD分数提升超过8%。

Comments ECCV 2020 Workshop: Computer Vision Problems in Plant Phenotyping (CVPPP 2020)

Journal ref Computer Vision - ECCV 2020 Workshops: Glasgow, UK, August 23-28, 2020, Proceedings, Part VI

Benchmarks and Challenges in Pose Estimation for Egocentric Hand Interactions with Objects

视角手部交互物体姿态估计的基准与挑战

Zicong Fan, Takehiko Ohkawa, Linlin Yang, Nie Lin, Zhishan Zhou, Shihao Zhou, Jiajun Liang, Zhong Gao, Xuanyang Zhang, Xue Zhang, Fei Li, Zheng Liu, Feng Lu, Karim Knaebel, Bastian Leibe, Jeongwan On, Seungryul Baek, Aditya Prakash, Saurabh Gupta, Kun He, Yoichi Sato, Otmar Hilliges, Hyung Jin Chang, Angela Yao

AI总结 本文提出HANDS23挑战，分析了以自身为中心视角下手-物体三维重建的挑战与方法，揭示了快速手部运动和狭窄视角等难以解决的问题。

Comments Accepted to ECCV 2024

Soft Shadow Diffusion (SSD): Physics-inspired Learning for 3D Computational Periscopy

软阴影扩散（SSD）：面向3D计算望远镜的物理启发学习

Fadlullah Raji, John Murray-Bruce

机构 * University of South Florida（佛罗里达州立大学） 纠错

AI总结 SSD通过物理启发的学习方法，实现了从普通NLOS照片中对隐藏场景的3D重建，具有良好的鲁棒性和泛化能力。

Journal ref European Conference on Computer Vision (ECCV 2024)

VRP-UDF: Towards Unbiased Learning of Unsigned Distance Functions from Multi-view Images with Volume Rendering Priors

VRP-UDF: 向多视图图像中通过体积渲染先验实现无偏的无符号距离函数学习

Wenyuan Zhang, Chunsheng Wang, Kanle Shi, Yu-Shen Liu, Zhizhong Han

机构 * School of Software, Tsinghua University（清华大学软件学院） ； China Telecom Wanwei Information Technology Co., Ltd.（中国电信万维信息技术有限公司） ； Kuaishou Technology（快手技术） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系） 纠错

AI总结 VRP-UDF通过引入体积渲染先验，解决多视图图像中无偏学习无符号距离函数的问题，提升表面重建的鲁棒性和可扩展性。

Comments Accepted by TPAMI 2026 and ECCV 2024. Project page: https://wen-yuan-zhang.github.io/VolumeRenderingPriors/ . v1 is the conference version, and v2 is the journal extension version

Instance-dependent Noisy-label Learning with Graphical Model Based Noise-rate Estimation

实例依赖性噪声标签学习与基于图形模型的噪声率估计

Arpit Garg, Cuong Nguyen, Rafael Felix, Thanh-Toan Do, Gustavo Carneiro

机构 * Australian Institute for Machine Learning, University of Adelaide, Australia（澳大利亚机器学习研究所，阿德莱德大学，澳大利亚） ； Department of Data Science and AI, Monash University, Australia（数据科学与人工智能系，莫纳什大学，澳大利亚） ； Centre for Vision, Speech and Signal Processing, University of Surrey, UK（视觉、语音与信号处理中心，萨里大学，英国） 纠错

AI总结 本文提出了一种基于图形模型的噪声率估计方法，用于改进实例依赖性噪声标签学习，通过更有效的课程设置提升模型准确性。

Comments ECCV 2024

Journal ref ECCV 2024

ViGoR: Improving Visual Grounding of Large Vision Language Models with Fine-Grained Reward Modeling

ViGoR：通过细粒度奖励建模提升大视觉语言模型的视觉 grounding

Siming Yan, Min Bai, Weifeng Chen, Xiong Zhou, Qixing Huang, Li Erran Li

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； AWS AI（AWS人工智能） 纠错

AI总结 ViGoR通过细粒度奖励建模提升大视觉语言模型的视觉 grounding 能力，采用更经济的人类评估和自动化方法，有效提高视觉推理准确性。

Comments Accepted by ECCV 2024

Learning by Aligning 2D Skeleton Sequences and Multi-Modality Fusion

通过对齐2D骨骼序列和多模态融合进行学习

Quoc-Huy Tran, Muhammad Ahmed, Murad Popattia, M. Hassan Ahmed, Andrey Konin, M. Zeeshan Zia

机构 * Retrocausal, Inc.（Retrocausal公司） 纠错

AI总结 本文提出通过2D骨骼热图和多模态融合提升时间视频对齐的自监督学习方法，实现更高的准确性和鲁棒性。

Comments Accepted to ECCV 2024

A Diffusion Model for Simulation Ready Coronary Anatomy with Morpho-skeletal Control

一种具有形态-骨骼控制的可用于模拟的冠状动脉解剖扩散模型

Karim Kadry, Shreya Gupta, Jonas Sogbadji, Michiel Schaap, Kersten Petersen, Takuya Mizukami, Carlos Collet, Farhad R. Nezami, Elazer R. Edelman

机构 * Institute of Medical Engineering, MIT（麻省理工学院医学工程研究所） ； Brigham and Women's Hospital, Harvard（哈佛大学布莱尔妇女医院） ； HeartFlow（HeartFlow公司） ； Showa University（昭和大学） ； OLV Aalst 纠错

AI总结 本文提出了一种基于潜在扩散模型的冠状动脉解剖生成方法，通过形态-骨骼控制实现可控的解剖合成，用于虚拟干预研究。

Comments Accepted to ECCV 2024

A Spitting Image: Modular Superpixel Tokenization in Vision Transformers

Marius Aasan, Odd Kolbjørnsen, Anne Schistad Solberg, Adín Ramirez Rivera

Comments To appear in ECCV (MELEX) 2024 Workshop Proceedings

Domain Adaptation Through Task Distillation

Brady Zhou, Nimit Kalra, Philipp Krähenbühl

Comments Published in European Conference on Computer Vision (ECCV 2020)