期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
SkillSpotter: 姿态感知的多视角熟练动作检测与分级在自我-外部视频中
机构 * Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系）
AI总结 针对自我-外部视频中熟练动作检测与分级任务，提出SkillSpotter，通过自适应时间抑制、门控3D身体姿态融合和双向跨视角注意力模块，显著提升检测与分级性能。
Comments Accepted for publication at European Conference on Computer Vision (ECCV)
WildProp: 大规模野生动物身体比例视觉估计
AI总结 提出WildProp，一种无需训练的框架，通过检索驱动的对应关系从大规模非约束图像中估计野生动物身体比例分布，无需逐物种训练，在鸟类和两栖动物数据集上中位相对误差10-20%。
Comments Accepted to ECCV 26
TaxoMIL：用于层次化全切片图像分析的分层约束学习
机构 * School of Electrical Engineering, Korea University（韩国大学电气工程学院） ； Department of Hospital Pathology, The Catholic University of Korea College of Medicine（韩国天主教大学医学院医院病理学系）
AI总结 提出TaxoMIL框架，将WSI诊断重构为多粒度文本生成任务，通过双头Transformer解码器和分类学引导目标，实现层次感知的准确预测。
Comments Accepted at ECCV 2026
Horizon3D: 用于自动驾驶远距离3D感知的稀疏雷达-相机融合
机构 * Seoul National University（首尔大学）
AI总结 提出Horizon3D框架，通过高斯原语与稀疏BEV特征融合，结合双路径时序融合，实现远距离雷达-相机3D检测，在TruckScenes上达到SOTA性能。
Comments Accepted to ECCV 2026. Project page: https://geonhobang.github.io/horizon3d-project-page. Code: https://github.com/geonhobang/ECCV2026_Horizon3D
层次化3D场景图构建与基于信念的语义导航规划
机构 * The Hong Kong Polytechnic University（香港理工大学）
AI总结 提出零样本语义导航框架，通过在线维护层次化3D场景图（HSG）实现多粒度语义拓扑，并基于信念规划进行有限视野推演，在长距离导航中显著提升成功率与路径效率。
Comments Camera-ready version accepted at ECCV 2026
基于扩散的材料正则化用于物理逆渲染
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； NVIDIA（英伟达） ； BNRist and School of Software, Tsinghua University（清华大学软件学院及北京国家信息科学与技术研究中心）
AI总结 提出将扩散模型预测作为相似性核，通过正则化损失约束材料优化，联合重建几何、材质和光照，在多个数据集上显著优于现有方法。
Comments Accepted to ECCV 2026. Includes supplementary material. Project page: https://gerwang.github.io/diffusion-regularized-inverse-rendering/
ADAPT: 通过偏好调优实现注意力动态对齐以增强多模态大模型的忠实性
机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Technologies Ltd.（华为技术有限公司） ； State Key Laboratory of Communication Content Cognition, People’s Daily Online（人民网传播内容认知国家重点实验室）
AI总结 针对多模态大模型生成中的幻觉问题，提出ADAPT框架，通过跨注意力视觉锚点、注意力监督推理和视觉注意力引导DPO直接干预文本到图像的跨注意力动态，在多个基准上将幻觉率降低40%-60%。
Comments Accepted by ECCV 2026
基于预测可微渲染的视频动态学习
机构 * Dartmouth College（达特茅斯学院） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； University of California, San Diego（加州大学圣地亚哥分校） ； Westlake University（西湖大学） ； Tsinghua University（清华大学） ； Ant Group（蚂蚁集团）
AI总结 提出预测可微渲染（PDR）框架，通过2D高斯表示的轻量适配器PredGS和CUDA加速渲染器predgsplat，结合L1和SSIM损失优化，在离散像素与连续表示间架桥，显著提升视频预测的细节保真度和准确性。
Comments Accepted by ECCV 2026. 18 pages, 5 figures, 11 tables
TerraDiT-$\Omega$：任意地理基元的卫星图像合成统一空间控制
机构 * Washington University in St. Louis（圣路易斯华盛顿大学）
AI总结 提出TerraDiT-Ω框架，通过几何感知局部注意力机制，支持从任意原生地理基元（多边形、折线、边界框、点）直接生成卫星图像，在多种控制格式下优于密集和稀疏控制基线，并提升下游任务性能。
Comments European Conference on Computer Vision 2026
OTCache: 扩散模型中的几何感知缓存的最优传输
机构 * Data Science & Artificial Intelligence Research Institute, China Unicom（中国联通数据科学与人工智能研究院） ； Unicom Data Intelligence, China Unicom（中国联通联通数据智能） ； National Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室）
AI总结 提出OTCache，一种无需训练的扩散采样加速框架，通过最优传输预测缓存调度，在低NFE区域优于图方法，实现4.5倍以上加速并保持生成质量。
Comments ECCV 2026
WarpI2I：用于图像到图像翻译的图像扭曲
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出一种基于显著性的扭曲-反扭曲框架，通过重新分配空间表示至显著区域，在不增加潜在分辨率的情况下保留图像细节，适用于人体重光照、驾驶场景翻译等任务。
Comments ECCV 2026
标签模仿游戏：用于零样本伪标签剪枝的图灵测试网络
AI总结 提出图灵测试网络（TTN）作为任务无关的“裁判”，通过对抗性交互在数据集上下文中评估伪标签，无需监督或重训练即可提升标签准确性，并实现零样本任务迁移。
Comments ECCV 2026
SyncCache: 利用非对称动力学实现快速音频驱动肖像动画
机构 * Shenzhen Graduate School, Peking University（北京大学深圳研究生院） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tencent Hunyuan（腾讯混元） ； vivo
AI总结 提出SyncCache，一种针对DiT肖像动画的无训练缓存加速方法，通过空间非对称探测和模态解耦缓存利用非对称动力学，实现高达4.12倍加速且保持视觉保真度和音频对齐。
Comments ECCV 2026
AVTok: 用于整体音视频生成的1D统一分词化
机构 * The Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出AVTok统一分词器，采用双流Transformer架构和分层训练策略，将音视频对编码为紧凑的一维潜在表示，在音视频重建及下游生成任务中表现优异。
Comments ECCV 2026
通过潜在场景嵌入揭示轨迹预测中的可迁移性
机构 * Linköping University（林雪平大学） ； Lund University（隆德大学）
AI总结 提出一个学习数据集潜在表示并用量化分布指标衡量相似性的框架，在24个数据集上验证迁移分数与跨数据集模型性能强相关，为数据集选择、预训练和基础模型提供指导。
Comments Accepted to ECCV 2026
MixTTA: 用于可靠测试时自适应的低秩跨通道混合
机构 * Seoul National University（首尔大学） ； Kookmin University（国民大学） ； HodooAI Labs（HodooAI实验室）
AI总结 提出MixTTA模块，通过低秩跨通道变换增强归一化层，解决分布偏移下通道间结构变化问题，提升测试时自适应方法的鲁棒性。
Comments Accepted to ECCV 2026
Reflect-R1：长视频理解中基于证据驱动的自纠正反思
机构 * Tsinghua University（清华大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） ； Nanyang Technological University（南洋理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Shenzhen University（深圳大学） ； University of California（加利福尼亚大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出Reflect-R1框架，通过直觉、验证、仲裁三阶段管道动态检索客观视觉证据，并设计阶段解耦强化学习算法SD-GRPO解决策略耦合，在长视频理解基准上达到最优性能。
Comments 2026 ECCV
ViQ: 任意分辨率下的文本对齐视觉量化表示
机构 * Tencent HY Vision Team（腾讯HY视觉团队） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Chinese Academy of Sciences（中国科学院）
AI总结 提出ViQ框架，通过文本对齐预训练和特征离散化两阶段量化学习，平衡离散表示中的语义与细节，支持原生分辨率输入，在多模态任务中取得与连续高维特征编码器相当的性能，并实现20%-70%的训练加速。
Comments Accepted to ECCV 2026
通过感知验证自训练提升视觉-语言模型的推理能力
机构 * Malaviya National Institute of Technology Jaipur（马拉维亚国家理工学院斋浦尔分校） ； IBM Research（IBM研究院）
AI总结 提出感知验证自训练框架，通过解耦感知与推理的CoT模板和无监督评估方法PerceptEval，结合两阶段课程学习，提升视觉-语言模型在视觉推理中的准确性并减少幻觉。
Comments Accepted at The European Conference on Computer Vision 2026
PIAvatar: 通过变形梯度解耦实现物理交互的虚拟化身
机构 * GIST（韩国科学技术院） ； KETI（韩国电子信息技术院） ； Chung-Ang Univ.（Chung-Ang 大学） ； Yonsei Univ.（延世大学）
AI总结 提出PIAvatar框架，通过解耦运动速度与变形梯度，结合骨骼框架和物质点法，实现化身间及化身与环境间的物理交互和非刚性变形模拟。
Comments Project page: https://sanghunhan92.github.io/conference/PIAvatar/, Accepted to ECCV 2026
一次蒸馏，终身适应：探索数据集蒸馏用于持续测试时适应
机构 * KAIST, Visual Intelligence Lab（韩国科学技术院，视觉智能实验室） ； Chung-Ang University, FOV Lab（中央大学，FOV实验室）
AI总结 提出DO-ALL框架，通过数据集蒸馏生成紧凑的合成锚点，在持续测试时适应中提供稳定参考，无需保留原始源数据，提升长期鲁棒性。
Comments ECCV 2026
Pano3D：统一的3D重建与全景分割
机构 * Google DeepMind（谷歌DeepMind） ； LIGM, École des Ponts, IP Paris, Univ Gustave Eiffel, CNRS（LIGM, 巴黎高科桥梁学院, 巴黎理工学院, 古斯塔夫·埃菲尔大学, 法国国家科学研究中心）
AI总结 提出统一框架，在3D前馈重建网络中集成全景分割，通过联合训练几何与语义损失实现互惠提升，在多个数据集上达到最优性能。
Comments Accepted at ECCV 2026. Project page: https://victorbbt.github.io/Pano3D/
重新思考边缘上的持续异常检测：在现实工业条件下进行基准测试
机构 * University of Houston（休斯敦大学）
AI总结 针对现有持续异常检测方法在评估、比较和边缘部署约束上的不足，提出统一基准和训练无关方法DINOSaur，在多种协议下超越所有现有方法，并在边缘设备上实现快速推理和适应。
Comments Accepted to ECCV 2026
StreamGVE: 无需训练的视频编辑通过少步流式视频生成
机构 * The University of British Columbia（不列颠哥伦比亚大学） ； ETH Zürich（苏黎世联邦理工学院） ； McMaster University（麦马斯特大学） ； Vector Institute（向量研究所） ； Canada CIFAR AI Chair（加拿大 CIFAR 人工智能主席）
AI总结 本文提出StreamGVE，一种基于噪声到数据视角的视频编辑方法，通过引入双分支快速采样和自注意力桥接以及交叉注意力接地/增强，实现了高效的视频编辑，能够在少步设置中优于现有方法。
Comments ECCV 2026. Project Page: https://dsl-lab.github.io/StreamEdit/
AirZoo: 一种用于地面几何3D视觉的统一大规模数据集
机构 * National University of Defense Technology（国防科技大学） ； Singapore University of Technology and Design（新加坡科技设计大学）
AI总结 本文提出AirZoo数据集，通过可扩展生成流程、全面场景多样性和丰富的几何标注，解决无人机感知中复杂视角变换和环境条件的挑战，验证其在三维重建和图像检索中的有效性。
Comments ECCV 2026. Project page: https://nudt-sawlab.github.io/AirZoo/
URoPE: 在几何空间中实现通用的相对位置嵌入
机构 * Applied Intuition（应用直觉） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 URoPE扩展了RoPE，使模型能在不同视角或维度的几何空间中处理位置信息，适用于多任务如视图合成、3D检测等，提升模型在几何推理中的表现。
Comments Accepted by ECCV 2026. Code is available: https://urope-pe.github.io/
Match-Any-Events: 零样本跨大基线事件相机运动鲁棒特征匹配
机构 * Johns Hopkins University（约翰霍普金斯大学） ； ShanghaiTech University（上海科技大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Archimedes, Athena RC（Archimedes，Athena RC）
AI总结 本文提出首个零样本事件匹配模型，通过运动鲁棒且高效的注意力骨干网络和稀疏感知事件token选择，实现跨数据集大基线对应。实验显示比现有方法提升37.7%。
Comments Accepted to ECCV 2026
Journal ref Proceedings of the European Conference on Computer Vision (ECCV) 2026
面向动态环境的通用机器人操作
机构 * Huazhong University of Science and Technology（华中科技大学） ； Huawei Technologies Co. Ltd（华为技术有限公司）
AI总结 本文提出DOMINO数据集与基准，通过实验评估现有VLA模型，提出PUMA架构提升动态感知能力，实现动态任务中的高成功率。
Comments Accepted to ECCV 2026. Project Page: https://h-embodvis.github.io/DOMINO/
视频推理模型是否已准备好走向户外？
机构 * NTU Singapore（新加坡国立大学） ； Korea University（韩国大学）
AI总结 本文提出ROVA框架，通过时空腐蚀建模提升模型鲁棒性，并引入PVRBench基准测试真实环境扰动下的性能，验证了ROVA在准确性和推理质量上的显著提升。
Comments Project Page: https://robust-video-reason.github.io/, accepted by ECCV 2026
SMART: 在什么情况下扩展推测树实际上是有价值的？
机构 * Singapore Management University（新加坡管理大学）
AI总结 SMART系统通过运行时树构建优化，提升生成速度，通过边际效益-成本分析，在不同硬件和批量规模下实现平均20%的额外加速。
Comments Accepted by 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