期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
CMDR：上下文多模态文档检索
机构 * Human Informatics Labs.（人文信息实验室） ； NTT, Inc.（日本NTT公司）
AI总结 研究多模态文档检索，提出CMDR-Embed框架联合编码页面纳入文档上下文，引入CMCL对比学习目标训练，实验证明该框架显著优于非上下文嵌入，凸显上下文感知多模态嵌入对文档检索的重要性。
Comments Accepted by ECCV 2026; project page: https://cmdr-bench.github.io/
ARMS：用于无缝单人-社交运动转换的锚定关系运动流
机构 * Nara Institute of Science and Technology（奈良科学技术研究所） ； LY Corporation（LY 公司）
AI总结 研究旨在从文本生成连续且连贯的人类运动。提出ARMS框架，统一单人运动和人际互动，引入动态不对称表示，用因果关系扩散模型及关系门控实现。实验表明其提升了转换平滑度与社会连贯性，在互动基准测试中表现良好。
Comments Accepted by ECCV 2026. Project page: https://hkliu.com/arms
SAMPLe：基于SAM的视觉语言模型提示学习优化器
机构 * Clemson University（克莱姆森大学） ； Siemens Energy (AI Lab)（西门子能源（人工智能实验室）） ； University of Arizona（亚利桑那大学）
AI总结 研究VLM提示学习中性能与泛化的困境，提出SAMPLe优化器，通过考虑损失曲面锐度平衡探索与利用，减少过拟合，提升泛对未见能力，在多种提示学习框架中表现出色，优于现有优化器。
Comments The manuscript has been accepted to ECCV and will be presented at the conference and published in the main proceedings
BaFCo：用于复杂孟加拉语表格理解的文档理解基准
机构 * Wichita State University（威奇托州立大学） ； Center for Computational & Data Sciences（计算与数据科学中心） ； University of Dhaka（达卡大学） ； Amazon GenAI（亚马逊生成式人工智能）
AI总结 针对孟加拉语表格理解因高质量标注数据稀缺受限的问题，引入BaFCo基准数据集，涵盖多领域复杂表格。定义细粒度标注模式，评估多种MLLMs，发现其理解孟加拉语表格有局限，尤其在定位细粒度实体方面。
Comments Accepted at the 19th European Conference on Computer Vision (ECCV), 2026
Ground3D-LMM：基于LMM的细粒度3D点接地与空间推理
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Linköping University（林雪平大学）
AI总结 研究3D环境自然语言查询的可操作性问题，提出Ground3D-LMM统一模型，以点云等为输入，支持3D空间对话，能给出基于点的响应和度量数值输出，通过定义新任务、引入数据集验证，为3D对话理解提供强大基线。
Comments ECCV 2026
统一多模态模型中理解与生成之间的可迁移性
机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Blynx（布林克斯公司） ； Trillionlabs（万亿实验室）
AI总结 研究统一多模态模型中理解与生成任务间的可迁移性，通过实验发现其依赖架构，据此提出实用训练策略，训练对应理解任务迁移至生成可提升性能并减少分布偏移。
Comments Accepted at ECCV 2026. Project Page: https://cvlab-kaist.github.io/UMM_Transferability/
$C^3$ASD：多层次一致性驱动的表示学习
机构 * Chung-Ang University（中央大学）
AI总结 研究视频中活跃说话者检测问题，提出$C^3$ASD框架，含嵌入级、序列级和预测级一致性约束，提升跨模态表示鲁棒性，在多种损坏下有显著改进。
Comments ECCV 2026
Deform360：面向可变形世界模型的大规模多视图视觉触觉数据集
机构 * Brown University（布朗大学） ； Columbia University（哥伦比亚大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 针对可变形物体世界建模缺乏大规模真实数据的问题，构建含多视图视觉与触觉信息的Deform360数据集，评估现有主流世界模型，为相关研究提供基准。
Comments Accepted by ECCV 2026
InFlux++：用于估计动态相机内参的真实与合成数据
机构 * Princeton University（普林斯顿大学）
AI总结 针对动态相机内参估计的训练数据匮乏、评测基准多样性不足问题，构建含大规模合成数据集与真实基准的InFlux++，可提升RGB图像的逐帧内参估计性能。
Comments Accepted to ECCV 2026
MV-Forcing：基于4D锚定时空自强制的长时长多视角视频生成
机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Cornell University（康奈尔大学）
AI总结 针对动态场景长时多视角一致视频生成难题，提出MV-Forcing框架，融合时序与视角自回归，实现任意时长视角数的高一致性多视角视频生成。
Comments Accepted to ECCV 2026. Project webpage: https://galfiebelman.github.io/mv-forcing/
WildSplat：基于无位姿野外图像的前向高斯溅射方法
机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； vivo BlueImage Lab（vivo蓝河图像实验室）
AI总结 针对前向3D重建在光照变化场景下性能不佳的问题，提出双分支解耦架构的WildSplat框架，实现单步前向的野外新视角合成与外观编辑SOTA性能。
Comments 22 pages, 9 figures; Accepted by ECCV 2026. Project page: https://zju3dv.github.io/wildsplat/
医学视觉语言模型的模型编辑评估与理解
机构 * EECS, University of Michigan（密歇根大学电子工程与计算机科学系）
AI总结 针对现有多模态编辑基准不适配临床需求的问题，提出临床基准M3Bench，测试多类编辑方法的性能短板，为医学VLM部署后安全适配提供支撑。
Comments Accepted to the European Conference on Computer Vision (ECCV) 2026. Code and benchmark are available at https://github.com/BioMed-AI-Lab-U-Michgan/M3Bench
RADIANCE：使用IP-适配器进行相对自适应去噪以增强新颖概念
机构 * National Yang Ming Chiao Tung University（国立阳明交通大学）
AI总结 针对文本到图像扩散模型合成罕见概念的问题，提出无训练框架RADIANCE，通过三个模块组件增强预训练主干，经实验验证其能提升合成效果。
Comments Accepted to ECCV 2026. Camera-ready version
LangLoc：“告诉我你看到了什么”
机构 * ETH Zürich（苏黎世联邦理工学院） ； University of Zürich（苏黎世大学） ； Microsoft（微软公司） ； HUN-REN SZTAKI（匈牙利科学院计算机与自动化研究所）
AI总结 研究从自然语言进行室内细粒度定位，用含CLIP语义特征的双分支GATv2编码器检索场景，通过射线投射物体可见性估计位置和方向，用贝叶斯对话模块解决歧义，贡献基准数据集。
Comments Accepted at the European Conference of Computer Vision (ECCV) 2026
MemPose：基于记忆的类别级目标姿态估计
机构 * Tongji University（同济大学） ； State Key Laboratory of Autonomous Intelligent Unmanned Systems（自主智能无人系统国家重点实验室）
AI总结 研究类别级目标姿态估计，提出以记忆为中心的MemPose框架，引入外部记忆缓冲区存储并更新结构表示，利用积累经验支持当前感知，实验表明优于现有方法。
Comments Accepted by ECCV 2026
学习用于持续学习的概率提示
机构 * Yonsei University（延世大学） ； Samsung Electronics（三星电子）
AI总结 研究持续学习中从序列任务渐进学习并保留旧知识的问题，提出基于概率分布建模提示并构建混合分布采样多样提示的框架，还设正则化损失，实验验证框架有效性。
Comments Accepted to ECCV 2026
从开环到闭环：用于参考一致图像生成的测试时迭代优化框架
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 提出测试时迭代优化框架，将参考一致图像生成转为闭环动态跟踪问题，用改进PID算法驱动传感器-控制器架构，迭代优化潜在控制信号，该方法无训练、模型无关且与现有扩散管道无缝集成。
Comments 24 pages, 15 figures. Accepted at ECCV 2026
用于弱监督指称表达式理解的学习结构化视觉组合表示
机构 * The University of Western Australia（西澳大利亚大学） ； Murdoch University（莫道克大学） ； Sun Yat-sen University（中山大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 针对弱监督指称表达式理解问题，提出结构化视觉组合表示学习框架，显式建模一元对象嵌入和成对关系嵌入，引入组合对齐机制，实验证明该方法有效。
Comments Accepted at ECCV 2026
PixelPilot：用于端到端自动驾驶的可扩展视觉-语言-动作模型
机构 * MoE Key Lab of Artificial Intelligence, Institute of AI, Shanghai Jiao Tong University（教育部人工智能重点实验室，上海交通大学人工智能研究院） ； Central Research Institute, Huawei（华为中央研究院）
AI总结 针对现有视觉-语言-动作模型在自动驾驶场景中数据可扩展性有限等问题，提出PixelPilot，采用解耦规划和提升范式，通过知识灌输策略学习，提升了模型性能。
Comments Accepted by ECCV 2026
用于无透镜图像重建的集成正反网络
机构 * Department of Mechanical Engineering, Seoul National University（韩国首尔国立大学机械工程系） ； School of Mechanical and Aerospace Engineering/SNU-IAMD, Seoul National University（韩国首尔国立大学机械与航空航天工程学院/SNU-IAMD） ； Department of Electrical and Electronic Engineering, Yonsei University（韩国延世大学电气与电子工程系） ； Department of Biomedical Engineering, University of Michigan（美国密歇根大学安娜堡分校生物医学工程系）
AI总结 研究无透镜成像重建难题，提出集成正反网络，通过在各尺度交错可微正向投影与可学习反向更新，利用互补线索，实现渐进、物理一致的细化及PSF内核自适应，达最优重建质量。
Comments Accepted to ECCV 2026
RAF：用于恶劣天气下稳健3D目标检测的相机、激光雷达和4D雷达的可靠性感知融合
机构 * Visual Intelligence Lab., KAIST（韩国科学技术院视觉智能实验室）
AI总结 针对恶劣天气下多传感器3D目标检测难题，提出RAF方法，通过明确监督像素可靠性估计，利用预训练网络，仅训练新增相机分支等，实验证明该方法有效提升检测精度。
Comments ECCV 2026
QSVideo：用于视频理解的查询条件语义时间检索
机构 * Michigan State University（密歇根州立大学）
AI总结 针对视频理解中视觉语言模型性能随视频时长下降问题，提出QSVideo框架，通过查询条件语义排序器、联合优化相关性和多样性及时间对齐策略，提升视频VLM性能。
Comments ECCV 2026
CCFM：用于安全关键场景生成的碰撞约束流匹配
机构 * Stony Brook University（纽约州立大学石溪分校） ； Pennsylvania State University（宾夕法尼亚州立大学）
AI总结 研究自动驾驶车辆规划器在安全关键闭环仿真中的评估，提出CCFM框架，通过硬物理约束保证精确碰撞控制，含碰撞选择器、硬约束和碰撞约束流匹配采样器，性能超基线。
Comments Accepted by ECCV 2026
自适应拼接：用于前馈重建的纹理感知可控3D高斯分配
机构 * Vision and AI Lab, Indian Institute of Science（视觉与人工智能实验室，印度科学研究所） ； Samsung R & D Institute India - Bangalore（三星印度研发中心 - 班加罗尔）
AI总结 研究前馈3D重建中高斯原语冗余问题，提出利用局部纹理信息控制高斯数量的方法，含纹理估计、纹理感知剪枝和自适应高斯头三个关键组件，实验验证了该方法有效性。
Comments Accepted at ECCV 2026. Project page: https://badrinaths.github.io/projects/adaptive-splat/
超越随机采样：用于半监督医学图像分割的分布感知对齐
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Department of Ultrasound, Xinhua Hospital Affiliated to Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属新华医院超声科）
AI总结 研究针对半监督医学图像分割中随机采样策略在低数据量时表征偏差的问题，提出基于分布对齐的高效框架，用分布感知样本选择策略和记忆引导复制粘贴模块，提升分割性能。
Comments 19 pages, 5 figures, accepted by ECCV 2026
CritiqueDriveVLM：从验证器引导的强化学习到自动驾驶的潜在思想蒸馏
机构 * State Key Laboratory of Networking and Switching Technology（网络与交换技术国家重点实验室） ； School of Digital Media & Design Arts（数字媒体与设计艺术学院） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 提出CritiqueDriveVLM框架解决自动驾驶中推理幻觉等问题，先通过验证器引导的强化学习培养强大教师模型，再用潜在思想蒸馏压缩能力到学生模型，提升性能并大幅降低推理延迟。
Comments Accepted by ECCV 2026
感知美好瞬间：利用Live2K数据集进行动态照片的封面帧重新选择与增强
机构 * University of Electronic Science and Technology of China（电子科技大学） ； OPPO Research Institute（OPPO研究院） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 针对动态照片封面与视频帧质量差距问题，定义LPRE任务，利用动态照片内线索，构建Live2K数据集并开发统一基线，为动态照片增强研究建立首个基准。
Comments Accepted to ECCV 2026
HCSU：用于细粒度历史书法风格理解的数据集和基准测试
机构 * School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； The Key Laboratory of Embedded System and Service Computing, Ministry of Education（教育部嵌入式系统与服务计算重点实验室）
AI总结 针对大视觉语言模型在书法风格细粒度理解的挑战，引入HCSU数据集，含多朝代书法家字符图像，解耦模态混合问题，提供分层审美描述及评估协议，揭示当前架构局限以推动视觉推理发展。
Comments Accepted at ECCV 2026. 17 pages, 5 figures, 5 tables
SAGE：用于人类行为理解的同步动作-注视识别与预测
机构 * Honda Research Institute, USA（美国本田研究院） ； Rensselaer Polytechnic Institute（伦斯勒理工学院）
AI总结 研究人类对象交互、注视模式及其预测间的关联，提出SAGE统一框架，利用基于Transformer架构将注视数据纳入时空注意力机制，在多场景下联合建模动作与注视，建立新基准数据集，实验效果良好。
Comments Accepted to ECCV 2026
InSpace：从单张360°图像生成具有结构感知的3D室内场景
机构 * KAIST（韩国科学技术院） ； NAVER LABS（NAVER实验室） ； Chung-Ang University（中央大学）
AI总结 针对单图像到3D生成扩展到室内场景有挑战的问题，提出InSpace框架，利用360°图像，经估计部分场景几何、生成粗结构、产生详细布局和资产几何三阶段，还建数据集，实验表明其性能强。
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