期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
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
奖励闪电：通过同源偏好蒸馏实现快速视频生成
机构 * Tencent Hunyuan（腾讯混元）
AI总结 研究视频扩散模型中同时进行偏好对齐和蒸馏加速的挑战，提出统一框架Reward Lightning，利用同源原理在共享表示中对齐和加速模型，介绍潜在奖励模型和同源偏好蒸馏，实验证明其有效性。
Comments Accepted by ECCV 2026
DICT：用于扩散模型条件图像生成的数据注入和对比轨迹细化
机构 * Zhejiang University（浙江大学）
AI总结 针对条件图像生成，提出DICT方法。通过数据注入将噪声扰动条件信号融入早期去噪阶段，结合对比轨迹细化，在统一扩散框架下提升生成质量，且无需引入任务相关架构，跨任务转移效果好。
Comments Accepted by ECCV 2026
BAT3R：从二维图像集合中自训练关节式三维重建
机构 * University of Edinburgh（爱丁堡大学）
AI总结 研究从单张图像进行关节物体3D重建，利用未标注2D图像集和单个绑定规范网格，提出训练框架，通过拟合网格到预测点图迭代估计关节和相机姿态，提升模型性能。
Comments Accepted to ECCV 2026. Project page: https://jakubzadrozny.github.io/bat3r/
PRISM3D：极端运动模糊下物理一致场景建模的概率细化与鲁棒初始化
机构 * Computational Imaging Lab, Dept. of Electrical Engineering, IIT Madras（印度理工学院马德拉斯分校电气工程系计算成像实验室）
AI总结 研究从极端运动模糊图像进行盲3D场景重建问题，提出PRISM3D框架，用鲁棒初始化策略结合概率物理方法，还介绍多模态扩展PRISM3D-E及基准，实验表明其达新的最优性能。
Comments Accepted to ECCV-26
Q-TriM：用于视听问答的问题引导三模态注意力
机构 * Dept. of Computer Science and Engineering（计算机科学与工程系）
AI总结 研究视听问答问题，提出Q-TriM以浅并行方式进行多模态融合，引入基于文本的视频和音频注意力操作框架，避免深度堆叠融合的问题，在三个基准测试中达最优性能。
Comments Accepted at ECCV 2026
FDR-Occ：用于全光谱3D占用预测的因子分解密集路由
机构 * SKL-IOTSC, CIS, University of Macau（澳门大学物联网与智慧城市国家重点实验室、计算机与信息科学系） ； Chongqing Afari Intelligent Drive Co., Ltd.（重庆阿法里智能驾驶有限公司） ； Geely Automobile Research Institute (Ningbo) Co., Ltd.（吉利汽车研究院（宁波）有限公司）
AI总结 研究基于视觉的3D占用预测，将视图变换抽象为无约束二分路由并提出因子分解密集路由（FDR），引入分辨率-上下文解耦架构，实验表明该框架性能优，在未校准设置中结构稳健性强。
Comments ECCV 2026
全局逻辑与局部搜索：用于可验证工业异常检测的双流多模态上下文学习
机构 * Nanjing University（南京大学） ； China Mobile Zijin Innovation Institute（中国移动紫金创新研究院） ； Southeast University（东南大学）
AI总结 针对工业异常检测难题，提出无训练框架GLLS，利用视觉逻辑图谱组织参考和规范，结合全局逻辑流与细粒度动作流，实验表明其优于基线且决策可追溯
Comments Accepted by ECCV 2026. 18 pages, 3 figures, 6 tables
基于视点方向划分和场景补全的城市级三维表面重建
机构 * School of Software, Tsinghua University（清华大学软件学院） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系）
AI总结 针对多视图三维表面重建难题，提出基于视点方向的场景划分方法，确保相似方向视图共同参与以精确估计深度，并行计算更均衡，还提出检测修复点云缺失区域策略，提升大规模场景重建质量。
Comments Accepted by ECCV 2026
通过少数偏好优化实现自我改进的扩散分类器
机构 * Korea University（韩国大学） ； Kook Min University（国民大学） ； Kyung Hee University（庆熙大学）
AI总结 研究发现扩散分类器感知偏向多数区域，提出MiPO方法，利用少数偏好奖励微调预训练扩散模型，无需额外图像数据等，经实验验证可缓解偏差并提升零样本扩散分类性能。
Comments ECCV 2026
通过具有法线先验的高置信度深度传播，使用高斯点云进行稀疏视图曲面重建
机构 * School of Software, Tsinghua University（清华大学软件学院） ； China Telecom（中国电信） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系）
AI总结 研究稀疏视图的3D重建难题，提出基于3D高斯点云的方法，用法线引导深度传播扩展深度信息，引入异常深度边缘感知正则化处理深度不连续，实验表明该方法优于现有技术。
Comments Accepted by ECCV 2026
月光石：用于月球遥感的多模态基础模型及基准
机构 * Space and Earth Observation Centre, Finnish Meteorological Institute（芬兰气象研究所空间与地球观测中心） ； German Climate Computing Centre（德国气候计算中心）
AI总结 针对月球多模态遥感数据分散且无评估机器学习基准的问题，引入月光石基准。贡献包括构建全球月球预训练数据集，提出MG-MAE模型，创建涵盖多任务的基准，其预训练特征在各任务中表现出色。
Comments Accepted for publication in ECCV 2026
基于令牌的大型视觉语言模型的可供性基础
机构 * University of Mississippi（密西西比大学） ； National University of Singapore（新加坡国立大学） ； NVIDIA（英伟达）
AI总结 研究旨在解决现有视觉语言模型在行动定位上的问题，提出TokAG零样本可供性基础框架，利用令牌级语义空间信号定位相关区域，引入空间感知令牌选择机制，在多基准测试中优于先前方法。
Comments Accepted to ECCV 2026
WorldBagel：揭示统一多模态模型在视觉-语言-动作-世界建模中的力量
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 研究统一多模态模型在视觉-语言-动作-世界建模中的作用，基于BAGEL构建WorldBagel框架，通过多任务机器人操作等实验，发现统一不仅便利，更是学习有效模型的关键因素。
Comments Rejected by ECCV 2026, Arxiv Paper
通过对抗性公路旅行抵御地理定位
机构 * University of Florence（佛罗伦萨大学） ； University of Siena（锡耶纳大学）
AI总结 研究基于检索的图像地理定位技术隐私安全问题，提出公路旅行攻击（RTA），将对抗过程视为找最优干扰路径，用束搜索算法构造错误位置序列，能在黑盒设置中实现高可迁移攻击。
Comments Accepted at ECCV 2026
ExpoMotion：用于多曝光融合的大规模基准和豪斯霍尔德投影网络
机构 * Nankai International Advanced Research Institute (SHENZHEN·FUTIAN)（南开大学国际研究院（深圳·福田）） ； Pengcheng Laboratory（鹏城实验室） ； College of Computer Science, Nankai University（南开大学计算机科学学院） ； The Hong Kong Polytechnic University（香港理工大学） ； OPPO Research Institute（OPPO研究院）
AI总结 针对多曝光融合中运动重影及高质量动态基准稀缺问题，提出ExpoMotion基准，含多样序列和图像及高保真真值。还提出豪斯霍尔德正交投影网络，通过变换解耦多帧对齐，实验验证了其有效性。
Comments Accepted by ECCV 2026
SafeGuard：用于社会风险AI生成视频检测的多智能体感知-推理框架
机构 * University of Science and Technology of China（中国科学技术大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） ； Vast Intelligence Lab（旷视智能实验室）
AI总结 针对AI生成视频检测挑战，提出SafeGuard多智能体框架，通过感知求解器与验证器协作，引入SafeVid基准，实验证明其泛化性佳，提升检测准确率。
Comments Accepted to ECCV 2026, The code and dataset are publicly available at https://github.com/williamw99/SafeGuard
自然语言相机运动理解
机构 * Boston University（波士顿大学） ； Pixocial Technology（皮克索西尔科技公司）
AI总结 研究自然语言相机运动理解问题，指出现有视觉语言模型在此任务上的不足。核心方法是建立分类法、基准和训练集。主要贡献是微调的VLM - 8B在基准测试中性能优于Gemini 3.1 Pro。
Comments Accepted to ECCV 2026
GuideMe：流视频中的多域任务指导与干预
机构 * City University of Hong Kong（香港城市大学） ； Huawei Research（华为研究院） ； University of Science and Technology of China（中国科学技术大学） ； Chinese University of Hong Kong（香港中文大学） ； City University of Hong Kong (Dongguan)（香港城市大学（东莞））
AI总结 构建流视频多域基准GuideMe，支持训练和评估用于闭环交互任务指导的MLLMs，设计评估框架衡量模型能力，实验发现现有MLLMs虽擅提供指令，但难识别执行错误并反馈。
Comments ECCV 2026
用于全模态密集视频字幕的并行自回归解码
机构 * National University of Singapore（新加坡国立大学）
AI总结 研究密集视频字幕生成，提出并行自回归框架，利用事件间弱局部依赖重组因果依赖图，引入全局规划和事件分解并行解码机制，提升效率与字幕性能。
Comments ECCV 2026. Project website: https://github.com/showlab/PadCaptioner
激励视觉语言模型进行长视频问答搜索
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 研究将长视频问答从被动单流程感知任务转变为多轮检索过程，核心方法是自然语言驱动搜索及强化学习后训练，贡献是提升长视频理解基准测试分数。
Comments To appear at the European Conference on Computer Vision (ECCV 2026)
全息字幕：迈向3D场景的文本等效物
机构 * Visual AI Lab, The University of Hong Kong（香港大学视觉人工智能实验室） ； Frontier Robotics（前沿机器人）
AI总结 研究提出全息字幕任务，先将其定义为生成结构化文本描述，开发字幕引擎及大规模基准，在此基础上提出HoloScribe模型，还给出评估指标和测试集，该模型性能超现有方法。
Comments ECCV 2026
ProLaViT：在结构化潜在空间中学习渐进式潜在视觉思维
机构 * Basic Algorithm Center, PCG, Tencent（腾讯PCG基础算法中心） ； Zhejiang University（浙江大学） ； Peking University（北京大学）
AI总结 针对多模态大语言模型在复杂视觉推理任务中的不足，ProLaViT框架利用内生自蒸馏机制等，设计两种推理范式及损失函数，使其能在潜在空间进行结构化视觉推导，实验证明效果优于基线。
Comments Accepted by ECCV 2026
SPLIT：通过空间补丁级不连贯性和时间粗糙度进行无训练的人工智能生成和部分编辑视频检测
机构 * Graduate School of Artificial Intelligence, POSTECH（浦项科技大学人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH（浦项科技大学计算机科学与工程系）
AI总结 研究提出无训练检测器SPLIT，利用冻结视觉编码器的补丁令牌检测全生成和部分编辑视频。通过计算两步时间粗糙度和局部空间运动不连贯性两个互补信号，经融合及伽马校正提升检测性能，还提出服务对齐评估协议。
Comments ECCV 2026 (32 pages)
更少令牌，更优预测：用于高效天气预报的稀疏残差路由
机构 * Tulane University（杜兰大学） ； Northeastern University（东北大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Oak Ridge National Laboratory（橡树岭国家实验室）
AI总结 研究针对现有基于ViT的天气预报模型计算冗余问题，提出无参数插件路由模块Sparse-Reslim，通过稀疏令牌处理兼顾固定网格要求，提升预报精度并大幅降低成本。
Comments ECCV 2026
对话式人类视听对话生成
机构 * Department of Computing, Imperial College London（伦敦帝国理工学院计算系） ； Department of Earth Science & Engineering, Imperial College London（伦敦帝国理工学院地球科学与工程系） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Department of Computer Science, Heriot-Watt University（赫瑞瓦特大学计算机科学系） ； School of Computer Science, Northumbria University（诺森比亚大学计算机科学学院） ； College of Computer Science & Software Engineering, Shenzhen University（深圳大学计算机科学与软件学院） ； School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院） ； Guangdong Provincial Key Laboratory of Intelligent Information Processing, Shenzhen University（深圳大学广东省智能信息处理重点实验室） ； School of Engineering and Design, Hunan Normal University（湖南师范大学工程与设计学院） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Computer Science, University of Exeter（埃克塞特大学计算机科学系）
AI总结 提出CHAT框架，统一大语言模型和说话人脸模型，通过交互音频和面部行为细化模块，从单一文本提示生成多样、配对且相互响应的语音-面部对话片段，优于现有方法，合成数据集可作预训练数据。
Comments Accepted to ECCV 2026 as a main paper
归一化物体坐标空间中用于生成视图合成的全局姿态控制
机构 * The Chinese University of Hong Kong（香港中文大学） ； Amazon（亚马逊）
AI总结 针对现有生成模型在目标视图全局控制上的不足，提出在归一化物体坐标空间中精确相机控制的新方法，以单张或少量无姿态图像为输入，将视图合成视为图像编辑问题，提升了视图生成质量和保真度。
Comments Accepted to ECCV 2026. Project page https://lizb6626.github.io/GlobalNVS/
BiSLW：用于生成扩散模型的双谱潜在水印
机构 * PDPM Indian Institute of Information Technology, Jabalpur（印度信息技术学院（贾巴尔普尔））
AI总结 研究针对扩散生成模型易被非法使用且缺乏可靠溯源方法的问题，提出BiSLW框架，利用潜在空间频率结构在互补谱带嵌入身份信号，平衡感知保真度与鲁棒性。
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