期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
统一去除雨滴和反射：一个新的基准和一个新流程
机构 * School of Aeronautics and Astronautics, Zhejiang University（浙江大学航空航天学院） ； Huanjiang Laboratory（浣江实验室） ； Hangzhou Institute of Technology, Xidian University（西安电子科技大学杭州研究院） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出统一去除雨滴和反射的任务，并构建了新的基准数据集，同时提出基于扩散的新型框架DiffUR³，有效去除两种退化，实验表明在基准和真实场景中表现优异。
Comments Accepted by ECCV 2026
GUI代理是否足够专注？通过语义层面的UI元素注入实现自动化干扰
机构 * SAIS, UCAS（中国科学院大学人工智能学院） ； SIST, ShanghaiTech University（上海科技大学信息科学与技术学院）
AI总结 本文提出语义层面UI元素注入方法，通过在截图上叠加安全对齐且无害的UI元素来误导代理的视觉基础。实验显示，该方法在五个受害者模型上提升了攻击成功率，并证明注入元素可作为持久吸引器。
Comments Accepted by ECCV 2026, public code at https://github.com/HashTAG00002/UI-Injection
RL-AWB: 基于深度强化学习的低光夜间场景自动白平衡校正
机构 * MediaTek Inc.（联发科技股份有限公司） ； National Taiwan University（国立台湾大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学）
AI总结 本文提出RL-AWB框架，结合统计方法与深度强化学习解决低光环境下色彩恒常性问题，通过统计算法与强化学习动态优化参数，提升低光和明亮场景的泛化能力。
Comments ECCV 2026. Project page: https://ntuneillee.github.io/research/rl-awb/
MegaFlow：零样本大位移光流
机构 * ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软） ； University of Tübingen, Tübingen AI Center（图宾根大学，图宾根人工智能中心）
AI总结 MegaFlow通过预训练视觉先验解决大位移零样本光流问题，利用全局Vision Transformer实现全局匹配，结合轻量迭代优化提升精度，实验显示其在多个光流基准和长距离点跟踪任务中表现优异。
Comments [ECCV 2026] Project Page: https://kristen-z.github.io/projects/megaflow Code: https://github.com/cvg/megaflow
视觉编码器的激活量化需要前缀寄存器
机构 * POSTECH ； Dankook University（Dankook 大学） ； Google（谷歌）
AI总结 本文提出RegCache算法，通过引入前缀标记减少视觉编码器中的异常值，提升低比特量化模型性能，尤其在极低比特情况下效果显著。
Comments Accepted to ECCV 2026. Code: https://github.com/spbob0418/RegCache
DASH：动态音频驱动的语义分块以实现高效的多模态令牌压缩
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学）
AI总结 DASH通过动态音频驱动的语义分块方法，有效压缩多模态令牌，提升推理效率，优于传统固定窗口分块和注意力剪枝方法。
Comments ECCV 2026
ECHO：人类-物体交互的以自我为中心建模
AI总结 ECHO首次提出统一框架，通过头和手腕追踪联合恢复人体姿态、物体运动和接触动力学，解决稀疏信号下的人类-物体交互建模难题。
Comments Accepted at ECCV'26
EventVGGT：探索跨模态蒸馏以实现一致的基于事件的深度估计
机构 * HKUST(GZ)（香港科技大学（珠海）） ； CUHK（香港中文大学） ； SCNU（华南师范大学）
AI总结 EventVGGT通过跨模态蒸馏实现一致的基于事件的深度估计，有效提升深度预测精度和泛化能力。
Comments Accepted to ECCV 2026
如果呢？基于世界模型的仿真模拟用于情境推理
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Hunan University（湖南大学） ； ETH Zürich（苏黎世联邦理工学院） ； INSAIT, Sofia University ``St. Kliment Ohridski''（INSAIT，索菲亚大学『圣克莱门特·奥赫里迪斯』） ； RAI Institute（RAI研究所）
AI总结 提出WanderDream数据集，利用世界模型进行心理探索的仿真模拟，使代理无需主动探索即可回答空间假设问题，实验证明心理探索对情境推理至关重要。
Comments Accepted at ECCV 2026. The data and code are available at: https://github.com/RuipingL/WanderDream
MMEarth-Bench：通过多模态测试时训练进行全局模型适配
机构 * Harvard University, USA（哈佛大学，美国） ； University of Copenhagen, Denmark（哥本哈根大学，丹麦）
AI总结 研究针对地理空间机器学习中现有基准数据集不足，引入含多模态任务的MMEarth-Bench，通过多模态测试时训练方法提升模型性能，改善地理泛化能力。
Comments Published at ECCV 2026
通过纳米光子波前编码实现物理基础的单目深度
机构 * New York University（纽约大学） ； Columbia University（哥伦比亚大学）
AI总结 研究旨在解决单目深度感知中度量尺度模糊问题，核心方法是用超透镜通过纳米光子学编码深度线索，结合DFMs与输入自适应策略及模拟管道，实验证明该方法有效提升单目度量深度传感精度。
Comments ECCV 2026
从我的视角到你的视角：利用特权自我中心监督从外中心视频中学习自我中心线索
机构 * University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） ； Elorian AI
AI总结 研究针对视觉语言模型难以从外中心视频推断自我中心属性的问题，提出Ego2ExoVLM框架，利用时间同步视频对及特权监督，通过两个组件实现此能力，在多任务评估中取得领先性能。
Comments ECCV 2026
提前思考：多模态语言模型和世界模型中的预见智能
机构 * College of Software, Nankai University, China（南开大学软件学院） ； The University of Hong Kong, China（香港大学） ； NKIARI, Shenzhen Futian, China（NKIARI，深圳福田，中国） ； AAIS & VCIP, Nankai University, China（AAIS与VCIP，南开大学，中国） ； A*STAR Institute of Advanced Intelligence and Computing, Singapore（新加坡A*STAR先进智能与计算研究所）
AI总结 研究定义预见智能，引入FSU-QA数据集，对视觉语言模型在预见任务中全面研究，发现当前模型不足。该数据集可评估世界模型，增强预见推理，微调小模型能超大型先进模型，为开发下一代模型提供基础，还验证了评估协议。
Comments Accepted by ECCV 2026
通过密集轨迹生成实现几何感知单图像4D合成
机构 * Department of Automation, Tsinghua University（自动化系，清华大学）
AI总结 针对单图像4D合成挑战，提出MoGe4D框架，通过密集轨迹生成实现几何感知合成。引入数据集，构建4D-STraG及4D-ViSM。实验证明该方法能生成高质量4D场景，具强时空连贯性和几何感知一致性。
Comments Accepted to ECCV 2026
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
视频Transformer中重加权帧级注意力用于面部表情理解
机构 * Inria, Université Côte d’Azur, France（法国国家信息与自动化研究所、法国滨海阿尔卑斯大学） ； Hanyang University, South Korea（韩国家阳大学） ； Pusan National University, South Korea（韩国釜山国立大学）
AI总结 提出MiRA框架，通过重加权帧级注意力增强ViT对细微面部动态的时空选择性，无需额外参数，在表情识别基准上持续提升性能。
Comments ECCV 2026
动态聚类数据采样用于高效且长尾感知的视觉-语言预训练
机构 * Institute for Computing and Information Sciences（计算与信息科学研究所）
AI总结 本文提出动态聚类采样方法DynamiCS，通过动态调整数据分布平衡语义长尾概念，降低训练成本并提升长尾概念表现。
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