Anchoring on Reality: Breaking the Pseudo-Target Ceiling in Makeup Transfer
锚定现实：打破化妆迁移中的伪目标天花板
AI总结 提出两阶段框架ART，通过现实锚定循环将监督从伪目标转移到真实参考，解决化妆迁移中伪目标导致的细节退化、伪影和身份漂移问题，并发布高分辨率数据集MF2K。
Comments Accepted by ECCV 2026
期刊&会议
ECCV
European Conference on Computer Vision · 会议 · Computer Vision
ActionParty: Multi-Subject Action Binding in Generative Video Games
ActionParty：生成视频游戏中的多主体动作绑定
机构 * Snap Research（Snap研究院） ； University of Oxford（牛津大学） ； University of Toronto（多伦多大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学）
AI总结 本文提出ActionParty，一种可控制多主体的生成视频游戏世界模型，通过引入主体状态标记和空间偏置机制，提升动作关联准确性与身份一致性。
Comments ECCV 2026 - Project page: https://action-party.github.io/
EMAG: Self-Rectifying Diffusion Sampling with Exponential Moving Average Guidance
EMAG: 无训练的自修正扩散采样与指数移动平均引导
机构 * Australian Institute for Machine Learning（澳大利亚机器学习研究所） ； The University of Adelaide（阿德莱德大学）
AI总结 EMAG通过无训练机制改进扩散模型的引导技术，生成更困难的负样本以提升生成质量和人类偏好分数。
Comments 63 pages (Accepted at ECCV 2026)
JoVA: Unified Multimodal Learning for Joint Video-Audio Generation and Editing
JoVA：联合视频音频生成的统一多模态学习
机构 * The University of Hong Kong（香港大学） ； ByteDance（字节跳动）
AI总结 JoVA通过联合自注意力机制和嘴巴区域损失，实现了高质量的视频音频生成，提升了嘴唇同步和语音质量。
Comments ECCV 2026
VCP-DCN: Beyond Visual Concealed Property via Depth Collaborative Network for Camouflaged Object Detection
VCP-DCN：超越视觉隐蔽属性的深度协作网络用于伪装目标检测
机构 * Xidian University（西安电子科技大学）
AI总结 针对现有伪装目标检测方法忽略深度域隐蔽目标模态特性的问题，提出VCP-DCN网络，通过SPE、MDA、DAI模块逐步实现多模态对齐、交互与融合，在三个权威数据集上验证了有效性。
Comments Accepted by ECCV 2026
EgoGVAE: Ego-body Mesh Reconstruction via Guided Variational Autoencoder
EgoGVAE：基于引导变分自编码器的自我身体网格重建
机构 * Konkuk University（建国大学）
AI总结 该研究针对仅用头部姿态重建全身网格的难题，提出EgoGVAE方法，通过引导变分自编码器实现一步采样，推理速度比扩散方法快50倍以上，在基准数据集上提升了重建性能。
Comments 18 pages, 6 figures, Accepted to ECCV 2026
Articulated Object Reconstruction from Rest-State Observation
从静止状态观测的关节对象重建
机构 * Seoul National University（首尔大学）
AI总结 该研究针对需多关节状态运动观测的现有关节对象重建方法的局限，提出从单一静止闭合配置重建关节对象的方法，通过显式网格融合多模型输出，结合视频扩散模型实现无运动观测下的关节参数估计，性能与多种基线相当。
Comments ECCV 2026
PrintAnything: Learning an Intermediate Representation for 3D printing G-code Generation
PrintAnything：学习用于3D打印G-code生成的中间表示
机构 * IPAI, Seoul National University（首尔大学 IPAI） ； Seoul National University（首尔大学） ； Soongsil University（崇实大学） ； Kairoba Inc.（Kairoba公司）
AI总结 PrintAnything框架无需网格重建，通过切片式点投影策略和G-plan图，直接从点云生成可执行3D打印G-code，实现无网格的实用3D打印流程。
Comments European Conference on Computer Vision (ECCV) 2026
Stabilizing Deep Reconstruction Operators with Contractive Anchoring
通过收缩锚定稳定深度重建算子
AI总结 研究基于预训练深度去噪器的图像重建不稳定问题，提出数据驱动稳定框架，通过局部量形式化不稳定性并自适应正则化，引入可训练收缩算子控制不稳定IR算子，实验证明该方法提升了PnP和RED重建的性能与可靠性。
Comments Accepted at ECCV 2026
From Machine Learning to Large-Scale EO Products: Best Practices for Making Maps
从机器学习到大规模地球观测产品：制作地图的最佳实践
机构 * ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； University of Cambridge（剑桥大学） ； Swiss Federal Research Institute WSL（瑞士联邦森林、雪和景观研究所） ； Asterisk Labs（星号实验室） ； EcoVision Lab, University of Zurich（苏黎世大学生态视觉实验室） ； Leipzig University（莱比锡大学） ； TU Munich（慕尼黑工业大学） ； RISE Research Institutes of Sweden（瑞典皇家理工学院）
AI总结 本文探讨从机器学习到大规模EO产品制作地图的最佳实践，围绕EO数据基础设施、数据处理、模型训练、不确定性量化、地图制作与分发及验证等六个主题，给出从卫星数据到运营地图产品整个流程的推荐做法。
Comments ECCV 2026 TerraBytes II Workshop paper, non-archival
Open-Vocabulary BEV Segmentation with 3D-Aware Geometric Constraints
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: DETR for Real-time Oriented Object Detection
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
Human Mesh Modeling for Anny Body
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
Towards Robust Monocular Depth Estimation in Non-Lambertian Surfaces
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
Anatomy Contextualized Adaption of CT Foundation Models
CT基础模型的解剖学上下文适配
机构 * Harvard Medical School（哈佛医学院） ； Dana-Farber Cancer Institute（达纳-法伯癌症研究所） ； Massachusetts General Hospital（麻省总医院） ； Brigham and Women’s Hospital（布里格姆妇女医院）
AI总结 本研究提出轻量框架ACA，适配冻结CT基础模型实现解剖学级视觉-语言对齐，在Merlin、CT-RATE数据集上零样本发现分类性能优于基线，训练耗时短且可保留增强全局解剖学上下文。
Comments Accepted to the European Conference on Computer Vision (ECCV) 2026 MedFM-Bench Workshop
StructureGS: Structure-aware Gaussian Splatting for Articulated Object Reconstruction
StructureGS：面向关节物体重建的结构感知高斯溅射
AI总结 该研究针对关节物体重建中参数纠缠导致的部件分解缺陷，提出StructureGS框架，结合结构感知引导的3D高斯溅射，通过定向包围盒约束实现更优重建性能。
Comments accepted at ECCV 2026
Anchoring and Steering Diffusion: Enhancing the Faithfulness of Text-to-Image Generation at Inference Time
锚定与引导扩散：在推理时提升文生图生成的忠实度
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出无训练框架AnchorSteer，通过语义锚定与反射引导组件改进文生图扩散模型的推理，在GenEval等基准上提升文本-图像对齐性能且保持视觉质量。
Comments Accepted by ECCV 2026
Knowledge-Guided Multimodal Reasoning over Interacting Streams for Video-Level Ambivalence and Hesitancy Recognition
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: Benchmarking and Adapting UAV Monocular Metric Depth Estimation in the Real World
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/
Towards Flexible, Natural, Efficient Interaction for Conversational Talking Face Generation
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: Multi-platform Learned Video Codec for Real-World Deployment
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
Low-latency Event-based Object Detection with Spatially-Sparse Linear Attention
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
Schrödinger's Cat: Probabilistic Representation and Prediction of Potential Scene Kinematics
薛定谔的猫：潜在场景运动学的概率表示与预测
AI总结 研究如何从部分观测预测场景演变，提出GARFIELD概率模型，能学习潜在表示实现轨迹联合采样和运动分布访问，实验显示其在运动规划性能、采样速度及密度估计上优势显著。
Comments Accepted at ECCV 2026. Project page: https://compvis.github.io/schroedingers_cat
ReDesign: Recovering Editable Design Structures from Images via Agentic Decomposition
ReDesign：通过智能分解从图像中恢复可编辑设计结构
机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Helmholtz Munich（慕尼黑亥姆霍兹中心） ； Korea University（韩国大学）
AI总结 研究旨在从图像恢复可编辑设计文件，提出ReDesign智能框架，通过跨模态选工具生成层层次结构，引入优雅验证与评估基准，在视觉保真度和编辑性上表现出色，超越基线和管道。
Comments Accepted to ECCV 2026
PanoLess: Environment Reconstruction from Partial Reflective Views
PanoLess：从部分反射视图进行环境重建
机构 * Rice University（莱斯大学）
AI总结 研究从部分反射视图进行环境重建，提出基于高斯点的PanoLess框架，利用表面对齐二维高斯点和延迟阴影恢复法线与反射线索，生成可见性图，能从部分视图输入实现光照估计，在多数据集上表现出色，实现高保真和几何一致的环境重建。
Comments ECCV 2026. Main paper with supplementary material
LENS: Adaptive Spatio-Temporal Zooming for Keyframe Sampling in Long-Form Videos
LENS：用于长视频关键帧采样的自适应时空缩放
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
AI总结 研究针对长视频理解受限于上下文窗口的问题，提出无需训练的关键帧采样框架LENS，它能基于文本查询动态分配帧预算，在时空缩放间平衡，提升关键帧采样效果，优于现有方法，提高了Video-MME准确率。
Comments Accepted at ECCV 2026. Project page: https://zhangce01.github.io/LENS/
Reasoning with Memory: A Temporal Granularity-Adaptive Framework for Training-Free Long Video Understanding
利用记忆进行推理：一种用于免训练长视频理解的时间粒度自适应框架
机构 * National University of Singapore（新加坡国立大学） ； Institute of High Performance Computing, Agency for Science, Technology and Research (A*STAR)（高性能计算研究所，科学、技术与研究机构（A*STAR）） ； Nanyang Technological University（南洋理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Jilin University（吉林大学）
AI总结 研究针对多模态大语言模型长视频理解受限问题，提出ReMem框架，通过双级记忆增强自适应，在查询和视频级别分别处理，能适应不同时间粒度，经实验验证在多个基准测试中实现高效零样本性能，提升模型长视频推理能力。
Comments Accepted by ECCV 2026
FlowInOne:Unifying Multimodal Generation as Image-in, Image-out Flow Matching
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
Beyond Prompts: Unconditional 3D Inversion for Out-of-Distribution Shapes
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: Scaling Up LiDAR Scene Flow Estimation with Synthetic Data
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
