期刊&会议
European Conference on Computer Vision · 会议 · Computer Vision
Pointer-CAD v2: 先规划后构建的尺寸感知参数化CAD生成
机构 * The University of Hong Kong（香港大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； TranscEngram ； Monash University（墨尔本大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出Pointer-CAD v2，采用先规划后构建范式，通过指针机制直接预测连续参数值，消除量化误差，并在顶点、边和面层级引入层次化几何精度指标，显著提升CAD生成的几何精度。
Comments Accepted to ECCV 2026. Code is available at https://github.com/Snitro/Pointer-CAD-v2
ASTAD：自动驾驶中合成到真实适应的非对称风格迁移
机构 * Department of Automation, Tsinghua University（自动化系，清华大学）
AI总结 提出ASTAD任务，针对合成数据有标注而真实数据无标注的不对称性，设计无训练两阶段框架ASTModel，通过粗语义先验提取和动态精炼实现类一致风格迁移，显著提升下游感知性能并加速推理。
Comments Accepted for publication at the 19th European Conference on Computer Vision (ECCV 2026)
BrainRiem: 基于黎曼原型学习的无源跨站点脑网络诊断
AI总结 针对多站点fMRI域偏移和隐私限制，提出BrainRiem无源域适应框架，通过流形感知双层优化学习紧致黎曼脑原型，在ABIDE和REST-meta-MDD上优于现有方法。
Comments Accepted by ECCV 2026
DTI: 面向生成式人脸视频超分辨率的动态轨迹初始化
AI总结 提出动态轨迹初始化范式，将生成式人脸视频超分辨率重构为输入驱动的定向恢复，通过增强注入条件机制和判别性引导实现保真度与感知质量的平衡，达到SOTA性能。
Comments This paper is accepted by ECCV 2026
自适应频谱感知特征解耦网络用于小目标检测
机构 * Shenzhen Campus of Sun Yat-sen University（孙中山大学深圳校区） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； Renmin University of China（中国人民大学） ； CITIC Bank（中国 CITIC 银行）
AI总结 针对小目标检测中背景干扰问题，提出SFDNet框架，通过自适应频谱解耦模块分解特征为互补频谱分量并丢弃背景干扰，结合类原型蒸馏增强同类语义一致性，在多个基准上显著超越现有方法。
Comments 19 pages, 7 figures. Accepted at ECCV 2026
DLGStream: 动态语言嵌入高斯泼溅用于开放词汇的自由视点视频流
机构 * School of Computer Science and Technology, Tianjin University, China（天津大学计算机科学与技术学院）
AI总结 提出DLGStream，一种动态语言嵌入高斯表示，通过双不透明度属性联合优化颜色和语言特征，并引入插值变形场减少时间冗余，实现低帧大小、高帧率的开放词汇自由视点视频流。
Comments ECCV 2026
FreqOrtho-SR：面向真实世界图像超分辨率的频率引导正交专家学习
机构 * School of Computing, KAIST, Republic of Korea（韩国科学技术院计算机学院）
AI总结 针对真实图像超分辨率中像素保真度与语义质量平衡难、退化多样性适应差的问题，提出FreqOrtho-SR，通过频率引导的LoRA专家混合（FreqMoE）实现退化类型特化，并利用正交梯度投影（OGP）保证像素与语义目标互补学习，在多个基准上取得优异性能。
Comments Accepted at ECCV 2026
LogiCo: 逻辑与结构异常检测的统一框架
机构 * School of Intelligent Engineering and Automation, Beijing University of Posts and Telecommunications（北京邮电大学智能工程与自动化学院） ； College of Information and Engineering, Capital Normal University（首都师范大学信息与工程学院）
AI总结 提出LogiCo框架，通过组件级特征重建同时检测逻辑和结构异常，在四个基准上达到最优性能。
Comments Accepted by ECCV 2026
BackTranslation2.0——一种基于语言学的评估手语生成质量的指标
机构 * Centre for Vision, Speech and Signal Processing（视觉、语音和信号处理中心）
AI总结 提出BackTranslation2.0，一种基于语言学的文本到手语翻译评估指标，通过代理框架整合多个工具评估语法、音韵、流畅性和保真度，与人类判断高度相关。
Comments Accepted at ECCV 2026
FedLAS: 特征调制的双向标签平滑用于神经网络校准
机构 * The University of Melbourne（墨尔本大学）
AI总结 提出FedLAS算法，通过特征范数置信度指标和双向校准门控模块，动态调整每个样本的标签平滑程度，同时解决过自信和欠自信问题，提升神经网络校准性能。
Comments ECCV 2026 Accepted Provisionally
Obliviate: 从自回归图像生成模型中擦除概念
机构 * TU Darmstadt, Germany（图宾根大学） ； Multimodal AI Lab, TU Darmstadt, Germany（多模态人工智能实验室） ； Zuse School ELIZA（祖斯学院ELIZA） ； hessian.AI, Germany（海西斯.AI）
AI总结 提出Obliviate方法，通过KL散度监督视觉token分布、轨迹级更新和对齐视觉前缀，有效擦除自回归文生图模型中的有害概念，在保持模型效用同时大幅降低不当内容生成。
Comments Accepted at ECCV 2026
SIGNET: 跨语言手语翻译的运动级知识迁移
机构 * CVSSP, University of Surrey, United Kingdom（CVSSP，萨里大学，英国）
AI总结 提出SIGNET框架，通过注意力机制和手部先验聚合实现运动级知识迁移，在多个基准上达到最先进翻译性能。
Comments Accepted at ECCV 2026
ProtoFair: 通过伪反事实对实现公平的自监督对比学习
机构 * Technische Universität Berlin（柏林技术大学）
AI总结 提出ProtoFair，一种无需修改现有SSL目标的公平性对比损失，通过无监督原型聚类识别伪反事实对，拉近内容匹配的跨组样本，学习对敏感属性不变的表示，在CelebA和UTKFace上提升公平性并保持精度。
Comments Paper accepted at ECCV 2026
Lumos-Nexus: 面向视频统一模型的高效频率桥接与同质潜在空间
机构 * Zhejiang University（浙江大学） ； DAMO Academy, Alibaba Group（阿里云达摩院） ； Hupan Lab（虎扑实验室） ； National University of Singapore（新加坡国立大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学）
AI总结 提出Lumos-Nexus框架，通过两阶段训练和渐进频率桥接，在保持推理能力的同时显著提升视频生成保真度。
Comments ECCV 2026 Camera-Ready Version. Project page (https://jiazheng-xing.github.io/nexus-lumos-home/) and Code (https://github.com/alibaba-damo-academy/Lumos-Custom/) are available
向量支架：跨尺度 orchestration 用于可微图像向量化
机构 * Dept. of ECE&ASRI, Seoul National University, Korea（电子工程与人工智能研究院，首尔国立大学，韩国） ； IPAI, Seoul National University, Korea（人工智能研究所，首尔国立大学，韩国）
AI总结 本文提出 Vector Scaffolding 框架，通过分层优化解决传统方法中拓扑坍缩问题，提升向量化效果与编辑性。
Comments 22 pages, 12 figures, ECCV 2026 camera ready version
3D-LENS：一种基于3D提升的单视角空地重识别方法
机构 * Université Paris-Saclay, CEA, List（巴黎萨克雷大学、CEA、List） ； Sorbonne University, CNRS, Institute of Intelligent Systems and Robotics (ISIR)（索邦大学、CNRS、智能系统与机器人研究所）
AI总结 本文提出3D-LENS方法，通过结合几何一致的新型视角合成与鲁棒表示学习，解决单视角空地重识别中的视角域差距问题，实现跨视角检索。
Comments 15 pages, 2 figures, accepted to the European Conference on Computer Vision (ECCV) 2026
MMControl: 多模态控制用于联合音频视频生成
机构 * Zhejiang University（浙江大学）
AI总结 本文提出MMControl，通过双流条件注入机制实现联合音频视频生成的多模态控制，支持视觉和听觉信号的精细控制，提升跨模态对齐效果。
Comments Accepted to ECCV 2026. Project page: https://aim-uofa.github.io/MMControl/
人脸任意：从任意图像序列中进行4D人脸重建
机构 * Technical University of Munich（慕尼黑技术大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
AI总结 本文提出基于标准面部点预测的统一方法，用于高保真的4D人脸重建，通过单次前馈模型实现时间一致的几何和可靠的对应关系，实验表明在重建和跟踪任务中性能优于现有方法。
Comments Accepted to ECCV 2026. Project website: https://kocasariumut.github.io/FaceAnything/ , Video: https://www.youtube.com/watch?v=wSGHpAscp0Y
GRAFT：用于人体场景重建的几何细化和拟合变换
机构 * Westlake University（西湖大学） ； Max Planck Institute for Informatics（马克斯·普朗克信息研究所）
AI总结 GRAFT通过几何细化和拟合变换，提升单图像中人体与场景交互的重建质量，实现快速且精确的交互推理。
Comments ECCV 2026. Project Page: https://pradyumnaym.github.io/graft
双端一致性模型
机构 * Zhejiang University（浙江大学） ； Bytedance Inc.（字节跳动公司） ； Zhejiang Lab（浙江实验室）
AI总结 本文提出双端一致性模型，通过选择关键子轨迹集群解决训练不稳定和采样灵活性问题，实现稳定高效的生成。
Comments ECCV 2026
ModuSeg：解耦目标发现与语义检索以实现无训练弱监督分割
机构 * South China University of Technology Pengcheng Laboratory（华南理工大学鹏城实验室）
AI总结 ModuSeg通过解耦目标发现与语义检索，提出无训练弱监督分割框架，利用通用掩码提出器和语义基础模型构建特征库，提升分割精度与鲁棒性。
Comments Accepted to ECCV 2026. Camera-ready version
共生MoE：解构生成与理解之间的协同效应
机构 * HKUST（香港科技大学） ； Tencent Hunyuan（腾讯混元）
AI总结 本文提出Symbiotic-MoE框架，通过模态感知专家解缠绕和渐进训练策略，解决生成与理解任务间的冲突，提升多模态协同能力，在MMLU和OCRBench上取得显著提升。
Comments Accepted to ECCV 2026
ExploreVLA: 为端到端自动驾驶的密集世界建模与探索
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 本文提出基于世界建模的统一理解与生成框架，通过密集监督和内在奖励提升自动驾驶策略探索能力，在NAVSIM和nuScenes基准上取得优异性能。
Comments Accepted to ECCV 2026. The code is available at https://zihaosheng.github.io/ExploreVLA/
可操控的视觉表示
机构 * University of Technology Nuremberg（纽伦堡工业大学） ； Carnegie Mellon University（卡内基梅隆大学） ； International Institute of Information Technology, Hyderabad（海得拉巴国际信息技术学院）
AI总结 本文提出可操控的视觉表示，通过自然语言指导视觉特征，提升视觉任务的灵活性和泛化能力。
Comments Accepted to ECCV 2026
HSD：基于分层推测解码的文档解析视觉语言模型训练免费加速
机构 * South China University of Technology（华南理工大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shenzhen Institute of Advanced Technology, CAS（中国科学院深圳先进技术研究院） ； Nanjing University（南京大学）
AI总结 本文提出HSD分层推测解码框架，通过轻量级管道起草器预测区域划分并生成粗稿，分阶段验证以保持全文连贯性，实验证明在文档解析任务中实现显著加速。
Comments ECCV 2026
无监督的景深估计
机构 * Department of Computer Science, Princeton University（普林斯顿大学计算机科学系）
AI总结 本文提出ZEDD基准和FOSSA网络，通过堆栈注意力层和焦点距离嵌入实现无监督景深估计，利用现有RGBD数据生成合成焦点堆栈，实验显示误差降低55.7%。
Comments Accepted to ECCV 2026. Added additional results and clarifications
RefAlign：参考到视频生成的表示对齐
机构 * PCA Lab, VCIP, College of Computer Science, Nankai University（南开大学计算机学院VCIP实验室PCA Lab） ； Baidu Inc.（百度公司） ； PCA Lab, School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院PCA Lab） ； College of Artificial Intelligence, Jilin University（吉林大学人工智能学院）
AI总结 RefAlign通过显式对齐DiT参考分支特征与视觉基础模型的语义空间，提升参考生成的准确性与可控性，实验表明其在R2V任务中优于现有方法。
Comments Accepted to ECCV 2026;Code: https://github.com/gudaochangsheng/RefAlign Project: https://gudaochangsheng.github.io/RefAlign-Page/
ViewSplat: 用于前馈合成的视图自适应3D高斯散射
机构 * University of Seoul（首尔市立大学） ； Korea Electronics Technology Institute（韩国电子技术研究院）
AI总结 ViewSplat通过视图自适应的3D高斯散射方法提升未置位图像的视图合成精度，采用视图依赖的残差更新机制，实现高保真度的实时渲染。
Comments Accepted to ECCV 2026
FD²：面向细粒度数据集蒸馏的专用框架
机构 * Zhejiang University（浙江大学） ； Hokkaido University（北海道大学） ； The University of Queensland（昆士兰大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Dalian University of Technology（大连理工大学）
AI总结 本文提出FD²框架，通过局部化判别区域和构建细粒度表示，解决细粒度数据集蒸馏中样本相似性过高的问题，提升识别性能。
Comments Accepted to ECCV 2026
SVCBench：一种用于空间-时间状态维护的流视频计数基准
机构 * Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院）
AI总结 SVCBench通过流式多点查询观察状态维护轨迹，设计了三个互补指标来诊断数值精度、轨迹一致性及时间意识，评估主流视频语言模型在空间-时间状态维护上的不足，尤其在周期性事件计数上表现不佳。
Comments Accepted to ECCV 2026. Project page: https://buaa-colalab.github.io/SVCBench/
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