期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
图像无法表达的：语言引导的嗅觉表征学习
机构 * LIX, École Polytechnique, IP Paris, CNRS（LIX，巴黎高等理工学院，IP巴黎，CNRS）
AI总结 研究图像与嗅觉对齐难题，提出SCENT多模态框架，利用视觉语言模型生成场景描述符，训练气味编码器，通过语言引导潜在分解分离特定对象气味与环境贡献，提升跨模态检索性能，产生可解释表征。
Comments ECCV 2026. Project page: https://www.lix.polytechnique.fr/vista/projects/2026_scent_tsonis/
用于不完整多视图聚类的直线路径流匹配
机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件工程学院） ； Australian Institute for Machine Learning, Adelaide University（澳大利亚机器学习研究所，阿德莱德大学） ； University of Auckland（奥克兰大学） ； University of New South Wales（新南威尔士大学） ； Communication University of China（中国通信大学）
AI总结 研究不完整多视图聚类问题，提出基于直线路径流匹配的框架，通过线性插值路径用概率流替代扩散，集成视图完成与聚类对齐，实验证明该框架在标准基准上达最优性能。
Comments Accepted to ECCV 2026. 28 pages, 6 figures, 4 tables
从检测器条件可达性的角度重新审视场景图生成
机构 * Technische Universität Berlin（柏林工业大学） ； Humboldt Universität zu Berlin（柏林洪堡大学） ； Univ. Grenoble Alpes, Inria, CNRS, Grenoble INP, LJK（格勒诺布尔大学、法国国家信息与自动化研究所、法国国家科学研究中心、格勒诺布尔国立综合理工学院、法国国家科学研究中心格勒诺布尔计算机科学实验室） ； Bernstein Center for Computational Neuroscience（伯恩斯坦计算神经科学中心） ； Science of Intelligence Research Cluster of Excellence（智能科学卓越研究集群）
AI总结 该研究从检测器条件可达性角度重新审视场景图生成，设计实验发现基于检测器和基于查询方法的预测行为有互补线索，进而引入双SGG方法整合两种机制，经多数据集实验验证了此方法的有效性。
Comments Accepted by ECCV 2026
RoME：针对多种对抗性扰动的低秩专家稳健混合
机构 * KAIST（韩国科学技术院） ； Oracle（甲骨文公司）
AI总结 研究针对多扰动对抗训练的鲁棒性权衡问题，提出RoME方法，通过低秩专家混合及双尺度门控、威胁引导门控多样化，在联合鲁棒性和自然准确性上优于现有方法，提升对未知威胁的鲁棒性。
Comments ECCV 2026
RoboTALES：通过任务对齐的模拟未来学习推理引导的机器人策略
机构 * University of California, San Diego（加利福尼亚大学圣地亚哥分校）
AI总结 针对预训练视频生成模型用于机器人策略规划的局限，提出RoboTALES框架，通过基于分层语言模型的规划器和基于视觉语言模型的评论家两大创新，学习任务对齐的模拟未来以训练机器人策略，在多样操纵任务中表现优于现有方法。
Comments Accepted at ECCV 2026
OBBSeg：基于有向边界框标注的不规则病变分割
机构 * CSSE, Shenzhen University（深圳大学计算机科学与软件学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
AI总结 针对医学图像分割像素级标注瓶颈，提出OBBSeg中间监督范式，由有向边界框引导，联合编码空间范围与方向，引入掩码到OBB损失减轻矩形偏差，通过PAFE和DBFE增强前景表示抑制背景干扰，实验表明其性能优异。
Comments 18 pages, 7 figures. ECCV 2026
SparseCtrl-HOI：用于人机交互视频生成的稀疏时间控制
机构 * South China University of Technology（华南理工大学）
AI总结 研究针对人机交互视频生成中建模物理动力学及时空协调复杂、现有方法依赖密集指导成本高且影响多样性的问题，提出SparseCtrl-HOI框架，用关键帧结合新机制和模块控制，构建数据集，降低标注开销，提升直播电商视频质量。
Comments ECCV 2026, Project Page: https://mpi-lab.github.io/SparseCtrl-HOI
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
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