ECCV

Auditing Frame-Level AUC in Weakly Supervised Video Anomaly Detection: Granularity, Resolution, and Scene Bias

弱监督视频异常检测中帧级AUC的审计：粒度、分辨率与场景偏差

Sara Abdulaziz, Egor Bondarev

机构 * Eindhoven University of Technology（埃因霍温理工大学） 纠错

AI总结 该研究针对弱监督视频异常检测的帧级AUC审计，发现其存在定位预测不可靠、分辨率不足、受场景偏差影响等问题，并公开了粒度感知协议。

Comments Accepted at ECCV 2026 Empirical Theory (ET) Workshop

Layering Virtual Try-On

分层虚拟试穿

Chun Feng, Bowei Chen, Mengyi Shan, Ira Kemelmacher-Shlizerman

机构 * University of Washington（华盛顿大学） 纠错

AI总结 研究针对现实中服装分层搭配的虚拟试穿难题，提出LVTON方法。先通过自动数据生成管道训练获取一般VTON先验知识，再在专用数据集微调学习分层逻辑，在LVTON基准及传统VTON基准上取得优异成果，展现零样本能力。

Comments Accepted to ECCV 2026

Disentangling Pictorial Cue Understanding from Language Bias in VLMs via Depth Ordering Task

通过深度排序任务解构视觉语言模型中的图像线索理解与语言偏差

Yiqian Liu, Iuliia Kotseruba, John K. Tsotsos

机构 * York University（约克大学） ； University of Guelph（圭尔夫大学） 纠错

AI总结 提出深度排序与异常检测任务，结合控制图像线索和语言表达，量化视觉语言模型的深度感知能力，发现模型对深度线索利用不足且存在语言偏差。

Comments 15 pages, 7 figures, accepted to ECCV 2026 (30 pages, 13 figures, supplementary materials included)

FlowDec: Temporal Conditional Flow Decorruptor for Robust Continuous Vision-Language Navigation

FlowDec：用于鲁棒连续视觉-语言导航的时间条件流去污染器

Yufei Zhang, Changhao Chen

机构 * The Hong Kong University of Science and Technology (Guangzhou), China（香港科技大学（广州）） 纠错

AI总结 提出FlowDec，一种针对LM-based VLN-CE的图像恢复框架，通过混合时间条件策略和动作质心引导滤波，在导航精度和生成延迟上超越现有去污染方法。

Comments Accepted by ECCV 2026

Quieting the Cobwebs: Browser Interaction for Visual Floaters

静音蛛网：用于视觉浮渣的浏览器交互

Kenneth Ge, Jinglin Li, Shikhar Ahuja

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

AgentMV: A State-Guided Multi-Agent Framework for Budget-Aware Music Video Generation

AllocMV：通过结构化持久状态实现音乐视频生成的最优资源分配

Huimin Wang, Chang Xia, Leilei Ouyang, Yongqi Kang, Yu Fu, Yuqi Ouyang

机构 * College of Computer Science, Sichuan University（四川大学计算机学院） 纠错

AI总结 AllocMV提出了一种分层框架，将音乐视频合成建模为多重选择背包问题，通过动态规划优化资源分配，确保跨镜头一致性并降低生成成本。

Comments ECCV 2026 AI4VA

ExpertEdit: Learning Skill-Aware Motion Editing from Expert Videos

ExpertEdit: 从专家视频中学习技能感知的动作编辑

Arjun Somayazulu, Kristen Grauman

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 ExpertEdit通过无配对专家视频学习技能驱动的动作编辑，无需配对数据或手动指导，提升动作真实感和专家质量。

Comments Accepted to ECCV 2026

Human Pose Estimation in Trampoline Gymnastics: How to Improve Performance on Extreme Poses

蹦床体操中的人体姿态估计：利用新合成数据集提高性能

Léa Drolet-Roy, Victor Nogues, Bérenger Chedal-Anglay, Sylvain Gaudet, Eve Charbonneau, Mickaël Begon, Lama Séoud

机构 * Polytechnique Montreal（蒙特利尔理工学院） ； Institut National du Sport du Québec（魁北克国家体育学院） ； University of Sherbrooke（舍布鲁克大学） ； University of Montreal（蒙特利尔大学） 纠错

AI总结 本文通过合成蹦床姿态数据集STP提升姿态估计性能，采用ViTPose模型进行微调，在2D和3D姿态估计中取得显著改进，3D精度提升12.5mm。

Comments Accepted to the MoCha workshop at ECCV 2026

GridVAD: Open-Set Video Anomaly Detection via Spatial Reasoning over Stratified Frame Grids

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

Mohamed Eltahir, Ahmed O. Ibrahim, Obada Siralkhatim, Tabarak Abdallah, Sondos Mohamed

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） 纠错

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

Less Data, Faster Convergence: Goal-Driven Data Optimization for Multimodal Instruction Tuning

数据更少，收敛更快：面向多模态指令微调的目标驱动数据优化

Rujie Wu, Haozhe Zhao, Hai Ci, Yizhou Wang

机构 * Peking University（北京大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出目标驱动数据优化框架GDO，通过优化训练样本实现更快收敛和更高精度，适用于多模态指令微调任务。

Comments Accepted to ECCV 2026

Training-Free Multi-Concept Image Editing

无需训练的多概念图像编辑

Niki Foteinopoulou, Ignas Budvytis, Stephan Liwicki

机构 * Cambridge Research Laboratory, Toshiba Europe（东芝欧洲剑桥研究实验室） 纠错

AI总结 提出无需训练的多概念图像编辑方法，通过概念蒸馏采样实现多视觉概念的无缝组合与控制，提升图像编辑的精度与细节表现。

Comments Accepted in ECCV'26 (17 pages, 13 figures)

Helios 2.0: A Robust, Ultra-Low Power Gesture Recognition System Optimised for Event-Sensor based Wearables

Helios 2.0：一种鲁棒、超低功耗的手势识别系统，优化用于基于事件传感器的可穿戴设备

Prarthana Bhattacharyya, Joshua Mitton, Ryan Page, Owen Morgan, Oliver Powell, Benjamin Menzies, Gabriel Homewood, Kemi Jacobs, Paolo Baesso, Taru Muhonen, Richard Vigars, Louis Berridge

机构 * Ultraleap Ltd.（Ultraleap有限公司） 纠错

AI总结 Helios 2.0通过微手势识别和模拟方法，实现超低功耗的手势控制，提升可穿戴设备用户体验。

Comments To be presented at ECCV-2026 at the Event-Based Multimodal Vision Workshop. 24 pages, 14 figures. Prarthana Bhattacharyya, Joshua Mitton, Ryan Page, Owen Morgan, and Oliver Powell contributed equally to this paper

PickStyle: Video-to-Video Style Transfer with Context-Style Adapters

PickStyle：基于上下文-风格适配器的视频到视频风格迁移

Soroush Mehraban, Vida Adeli, Jacob Rommann, Kyryl Truskovskyi, Harrison Sanborn, Babak Taati, Cole Clifford

机构 * Pickford AI ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

AI总结 PickStyle是一种视频到视频风格迁移框架，通过在预训练视频扩散骨干中插入低秩适配器、构建合成训练片段并提出CS-CFG，实现了优于现有基线的视频风格迁移效果。

Comments Accepted to the European Conference on Computer Vision (ECCV) 2026 Workshops