期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
透过梵高的眼睛：基于扩散模型的全局风格迁移
机构 * Korea Institute of Science and Technology（韩国科学技术研究院） ； University of Science and Technology（科技大学） ； Korea University（高丽大学） ； Gachon University（嘉泉大学） ； Kyung Hee University（庆熙大学）
AI总结 该研究针对现有艺术图像合成方法难以捕捉艺术家全局风格的问题，提出多对一的全局风格迁移范式及对应的全局风格引导、内容对齐引导方法，在WikiArt上验证了其在风格保真度等指标上的优势。
Comments Published at ECCV 2026
SAF3R：用于前馈3D重建Transformer的动态稀疏注意力
机构 * University of Pittsburgh（匹兹堡大学） ； University of Arizona（亚利桑那大学） ； Tongji University（同济大学） ； University of Central Florida（中佛罗里达大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 研究前馈3D重建Transformer，分析其全局注意力模式，提出SAF3R框架，集成稀疏注意力机制、离线头部分析和在线适应策略，在保持质量同时提高稀疏率加速端到端速度。
Comments ECCV 2026. Updated related work
NaLA: 一种用于高质量3D场景生成的原生3D LLM布局代理
AI总结 提出NaLA，一种原生3D LLM布局代理，通过直接编码3D边界和资产到LLM中，采用粗到细预测机制，解决文本-3D模态差距导致的布局不合理问题，在生成质量和推理效率上优于现有方法。
Comments Accepted to ECCV 2026. Project page: https://adamcwan.github.io/NaLA/. Code: https://github.com/adamcwan/NaLA-code
从多任务合并模型中恢复任务专家
AI总结 提出ReTeX框架，通过预测参数偏移来撤销多任务合并中的参数干扰，从单个合并检查点恢复任务专家性能，并利用SVD子空间签名实现无路由器的任务识别，在视觉和NLP领域恢复超过95%的个体专家性能，同时提升对未见任务的泛化能力。
Comments ECCV 2026
RadarGen：从摄像头生成汽车雷达点云
机构 * Technion（技术学院） ； MIT（麻省理工学院） ； NVIDIA（英伟达） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
AI总结 RadarGen通过扩散模型从摄像头图像生成逼真的雷达点云，结合BEV对齐的深度、语义和运动线索，提升雷达生成的物理合理性与多模态模拟能力。
Comments ECCV 2026. Project page: https://radargen.github.io/
N体问题：从单人物体中心视频进行并行执行
机构 * University of Bristol（布里斯托尔大学） ； The University of Tokyo（东京大学）
AI总结 提出N体问题，从单人物体中心视频预测N人并行执行任务，通过结构化提示策略引导视觉语言模型推理3D环境、物体使用和时间依赖，在EPIC-Kitchens和HD-EPIC数据集上显著提升动作覆盖率并降低冲突。
Comments accepted at ECCV Workshop, project webpage: https://zhifanzhu.github.io/ego-nbody
EvDiff：高质视频与事件相机
机构 * Zhejiang University（浙江大学） ； INSAIT ； UC Merced（加州大学默塞德分校） ； Google DeepMind（谷歌DeepMind）
AI总结 EvDiff通过基于事件的扩散模型和替代训练框架，从单色事件流生成高质量彩色视频，提升视频生成的保真度和现实感。
Comments Replacement note: This manuscript has been transferred from the CVPR format to the ECCV 2026 format, with the corresponding title and template updated accordingly. The technical content remains largely unchanged from the previous version. (Current version: 21 pages, 6 figures, and 3 tables.) Accepted by ECCV 2026
超越固定亮度：迈向全色与正色图像上色
AI总结 该研究针对固定亮度图像上色系统在正色摄影输入下不可靠的问题，提出基于基础图像编辑模型的亮度无关框架，结合混合灰度目标训练，提升了正色输入上色的鲁棒性并减少色彩伪影。
Comments Accepted at ECCV 2026
个性化作为逆向规划：通过结构去噪学习智能幻灯片生成的潜在设计意图
机构 * Purdue University（普渡大学） ； Rutgers University（罗格斯大学） ； University at Albany（奥尔巴尼大学） ； Microsoft（微软）
AI总结 提出SPIRE框架，将页面级幻灯片个性化视为逆向规划问题，通过结构去噪和强化学习协作学习潜在设计意图，无需预设模板或用户详细指令。
Comments ECCV 2026
OpenVE-3M: 一种大规模高质量的指令引导视频编辑数据集
机构 * Zhejiang University（浙江大学） ； ByteDance（字节跳动）
AI总结 OpenVE-3M是一个大规模高质量的指令引导视频编辑数据集，包含多种编辑类型，通过精心设计的数据管道生成，并展示了高效的5B模型在基准测试中的卓越性能。
Comments Accepted by ECCV'26. Project page: https://lewandofskee.github.io/projects/OpenVE
MicroAUNet：结合知识蒸馏的边界增强多尺度融合用于结肠镜息肉图像分割
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of New South Wales（新南威尔士大学）
AI总结 本文针对结肠镜息肉分割模型边界模糊或复杂度高的问题，提出轻量型MicroAUNet，结合深度可分离空洞卷积与通道-空间注意力块，辅以渐进式两阶段知识蒸馏，在低复杂度下实现先进分割准确率，适用于实时临床应用。
Comments Accepted to MedVidU @ ECCV 2026
Un-EVIMO：基于事件的无监督独立运动分割
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Archimedes, Athena RC（阿基米德、阿泰纳RC）
AI总结 本研究提出首个利用几何约束生成IMO伪标签的无监督事件框架，在EVIMO数据集上评估显示其IMO分割性能与监督方法相当，可处理任意非预定物体且易扩展至无昂贵标注的数据集。
Comments European Conference on Computer Vision 2024
蜜蜂在哪里？用单协作头Transformer检测小型传粉昆虫
机构 * UNIST（蔚山科学技术院）
AI总结 针对ECCV 2026 BuzzSpot挑战赛中小型传粉昆虫检测的难点，采用带Swin-L骨干的Co-DINO，结合裁剪马赛克池微调与类别加权ETF损失，在无推理增强下获挑战赛第一。
Comments The 1st rank method's paper at CVPPA@ECCV 2026 BuzzSpot Challenge
EsaacSim：适用于NVIDIA Isaac Sim的多模态事件相机附加组件
机构 * Leibniz Universität Hannover（莱布尼茨汉诺威大学） ； L3S Research Center（L3S研究中心） ； University of Southern Denmark（南丹麦大学） ； University of Chile（智利大学）
AI总结 本文提出适用于NVIDIA Isaac Sim的多模态事件相机附加组件EsaacSim，可实现多模态事件相机在线仿真，在多种分辨率下具备高效性能，支持机器人研究的多模态仿真与合成数据生成。
Journal ref The 19th European Conference on Computer Vision Workshops (ECCVW 2026); Workshop on Neuromorphic Vision (NeVi)
面向临床增强型医疗报告生成的语言对齐与视觉 grounded 的偏好优化
机构 * Huazhong University of Science and Technology（华中科技大学）
AI总结 针对现有医疗报告生成方法的临床事实错误与视觉-语言对齐不足问题，提出DPO-Clin框架，通过ECD模块、M²DPO及反事实偏好数据构建提升模型可靠性，在多医学数据集上取得优异性能。
Comments Accepted by ECCV 2026
基于嵌入的异常检测用于清理全球作物类型参考数据集
机构 * VITO Remote Sensing（弗拉芒技术研究所遥感部） ； European Space Agency (ESA)（欧洲航天局）
AI总结 研究通过地理空间基础模型生成的嵌入能否用于清理全球作物类型参考数据集，提出基于嵌入的局部感知异常检测框架，并通过实验验证其有效性，改进了作物类型模型，为清理地球观测参考数据集提供了可复制扩展的模板。
Comments Camera-ready version. Accepted for Oral Presentation at Terrabytes II at ECCV 2026
用于安全文本到图像生成的内省注意力调制
机构 * The University of Melbourne（墨尔本大学） ； Lancaster University（兰卡斯特大学）
AI总结 研究基于流的文本到图像模型易产生不安全内容的问题，提出通过推理时内省调节注意力动态实现安全的方法，该方法在保持或提升质量的同时显著提高安全分数，为安全图像生成提供新途径。
Comments Accepted at ECCV 2026. 20 pages, 7 figures. Project page: https://basim-azam.github.io/iam/
PinpointQA: 一个用于室内视频中微小物体中心空间理解的数据集和基准
机构 * Jilin University（吉林大学） ； National Taiwan University（国立台湾大学）
AI总结 本文提出PinpointQA数据集，用于评估多模态大语言模型在室内视频中对微小物体空间定位的精准理解能力，通过四个递进任务验证模型性能，并展示其作为诊断基准和训练数据集的效果。
Comments Accepted at the ECCV 2026 Workshop on Embodied Multimodal Reasoning in Physical Environments (EMR)
静音蛛网：用于视觉浮渣的浏览器交互
AI总结 本文提出了一种基于眼物理的浮渣模拟工具，用于评估不同运动水平下的文本可读性，并开发了一个新型浏览器扩展，通过减少眼球运动来最大化浏览器任务的信噪比，适用于所有UI元素。
Comments Accepted at ECCV 2026 HCV Workshop
GridVAD: 通过分层帧网格上的空间推理实现开放集视频异常检测
机构 * King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学） ； Independent Researcher（独立研究员） ； National Center for Research (NCR)（国家研究中心）
AI总结 GridVAD通过分层帧网格的空间推理生成开放集候选描述，结合自一致性巩固和空间跟踪模块实现像素级异常掩码，其在UCSD Ped2上达到77.59的Pixel-AUROC，优于其他方法。
Comments Accepted at the Large-scale Video Object Segmentation (LVOS) Workshop in conjunction with ECCV 2026
VDC-Agent：当视频详细描述器通过代理自我反思而自我进化
机构 * Xi’an Jiaotong University（西安交通大学） ； Kuaishou Technology（快手科技） ； Shenzhen University of Advanced Technology（深圳先进技术大学）
AI总结 VDC-Agent通过自我反思机制实现视频详细描述的自我进化，利用自动生成的(描述，评分)对提升描述准确性与评分表现。
Comments Accepted to ECCV 2026. Project Page: https://vdcagent.github.io
基于VGGT先验的几何基础密集语义匹配研究
机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； Visual Geometry Group, University of Oxford（牛津大学视觉几何组）
AI总结 本文针对现有语义匹配方法的几何歧义与最近邻规则局限，采用VGGT先验，通过特征调整、循环训练等策略实现适配，在多方面性能优于基线。
Comments ECCV 2026
哦，鹿啊，我该如何应对？用于选择性野生动物标注与分类的季节先验
机构 * Aalborg University（奥尔堡大学） ； University of Applied Sciences Upper Austria（上奥地利应用科学大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 该研究针对航拍野生动物分类的标签不可靠问题，以马鹿雄性识别为对象，利用季节先验结合多模态数据提升标注与分类效果，提出的方法可指导标注协议设计和模态加权。
Comments Accepted at the ECCV 2026 Workshop on Computer Vision for Ecology (CV4Ecology), archival proceedings track. 17 pages, 4 figures, 4 tables
属性应来自图像，而非类名：视觉语言模型的分布条件属性选择
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究视觉语言模型可解释零样本分类，指出基于类名的描述符视觉证据不足。提出从目标图像集选属性的方法，该方法提升了准确率，性能优于CoOp，用时短，所选属性还能描述数据分布，是一种有效的分布条件属性选择策略。
Comments Accepted at the PFATCV Workshop, ECCV 2026. Project page: https://ggare-cmu.github.io/AttributeSelect/
RAG-3DSG: 通过重拍引导的检索增强生成增强3D场景图
AI总结 RAG-3DSG通过重拍引导的不确定性估计缓解3D场景图中的语义不一致问题，利用对象级检索增强生成方法提升机器人任务中的场景表示可靠性。
Comments Accepted by ECCV
逐步学习图像压缩用于机器感知
机构 * Yonsei University（延世大学） ； Chung-Ang University（Chung-Ang 大学）
AI总结 本文提出PICM-Net，一种基于三平面编码的逐步学习图像压缩算法，通过自适应解码控制器提升机器感知任务的适应性和性能。
Comments Accepted at ECCV 2026 Workshop on Low-Level Vision Frontiers
用于3D手部重建的可负担性引导扩散先验
AI总结 研究在手部大量被遮挡时3D手部姿势重建问题；核心方法是用基于扩散的生成模型，由视觉语言模型推断的可负担性描述引导；主要贡献是显著提升手部姿势估计准确性，优于现有方法。
Comments Accepted to ECCV 2026. Project page: https://narusuzuki.github.io/projects/26-affhandgen/
$T^{3}S$：基于热时间的卫星图像时间序列通用作物映射方法
机构 * Earth Observation of Agroecosystems Team, Agroscope, Switzerland（农业生态系统观测团队，阿格罗科学研究所，瑞士） ； ETH Zurich, Switzerland（苏黎世联邦理工学院，瑞士）
AI总结 研究针对卫星图像时间序列作物分类泛化能力不足等问题，提出基于热时间的$T^3S$方法，通过累积生长度日重新索引观测，在多个数据集上评估，该方法在跨年度和跨区域作物分类上优于基线，提升了多项性能。
Comments Camera-ready version for the ECCV CVPPA workshop
从假到真：基于平衡合成图像的预训练以防止图像识别中的虚假相关性
AI总结 针对图像识别模型易受虚假相关性影响的问题，提出从假到真（FFR）两步训练流程，先在平衡合成数据预训练，再用真实数据微调，在三个数据集上使最差组准确率较SOTA提升最高20%
Comments Accepted at ECCV 2024
Curia-MAE：面向3D医学图像分割的多模态多解剖区域掩码自编码器预训练方法
机构 * Raidium（雷迪厄姆）
AI总结 本文提出Curia-MAE，通过改进MAE预训练目标，在30万张CT和MRI图像上预训练的多模态多解剖区域模型，可提升冻结编码器下的3D医学图像分割性能，尤其适用于标注数据稀缺的病灶任务。
Comments Accepted at ECCV 2026 Workshop AI4M3D
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