ECCV 2026 | 悉尼大学提出Linstereo, 打通立体匹配「最后一公里」（在新窗口打开）
LinStereo 对应地做了三件事：PALA 换掉 ConvGRU 解决传播问题，HSCV 保留多尺度特征，DPI 用单目深度给一个靠谱的起点。PALA 做的事情说起来很直观，就是把 ConvGRU 的局部更新换成全局注意力，让每个像素每次迭代都能看到整张图。难点在于 softmax attention 是 O (N²) 的，直接用在高分辨率视差图上跑不动。
搜索
关于“ECCV”的结果
共 34 篇
只用15%数据，多模态指令微调反超全量训练15.8%！（在新窗口打开）
来自上海交大、马来亚大学、CMU、MBZUAI、KIT和KAUST的团队提出VisNec（Visual Necessity Score，视觉必要性分数），用一个分数衡量每条训练样本里“图像到底起了多大作用”，被ECCV 2026收录。
LeCun、谢赛宁转发的世界模型与VLA共融方案：中关村学院ECCV2026—VLA-JEPA（在新窗口打开）
依赖于有限机器人数据和大量人类数据，也能让 VLA 模型更稳健吗？
从三维视觉到世界模型：空间智能为何成为 AI 走向物理世界的共同主线？| ECCV 2026复盘（在新窗口打开）
AI 正从看懂画面，走向理解空间、预测变化、执行动作。
荣登ECCV！全球首个可仿真的人–场景交互重建框架：大晓 HSImul3R 让人类视频变成机器人技能（在新窗口打开）
一段人坐上椅子的视频，对人类而言再普通不过。我们不仅能看见 “人坐了下来”，还天然理解椅子承受人体重量，人与椅面形成接触并最终稳定，这些重力、接触与作用关系共同构成真实世界中的物理交互。但对今天的三维重建系统而言，“看见动作” 与 “重建真实交互” 仍是两回事。一个视觉上准确坐在椅子上的人体，进入物理仿真后，椅子可能因结构缺失倒下，人体也可能与椅面严重穿模。视觉上成立，并不意味着物理交互上成立。
ECCV 2026｜不靠「上帝视角」，也不等「完美指令」：REAL 让具身智能体走向开放世界（在新窗口打开）
真实家庭任务往往从「不完整的信息」开始：机器人不知道目标在哪里，用户也未必能一次说清自己想要什么。面对「帮我从餐桌上拿点零食」这样的模糊指令，机器人不仅要主动寻找候选物体，还要在发现面包和多个甜甜圈后进一步询问用户，确认究竟该拿哪一个。
NVIDIA 李柏依：机器人只会「看」还不够，它还得学会「听」| ECCV 2026（在新窗口打开）
给生成模型引入仿真，补上难以获得的声音感知。
ECCV 2026 | AgentVLN：让机器人导航进入Agent时代（在新窗口打开）
近年来，视觉语言模型（Vision-Language Model, VLM）在图像理解、语义推理等任务中展现出了强大的能力。然而，当这些模型真正进入物理世界，让机器人根据一句自然语言指令完成自主导航时，仍然面临巨大挑战。
群核科技联手英伟达、英特尔、浙大，三篇 ECCV 论文给物理 AI 造基础设施（在新窗口打开）
去哪训练、拿什么学、怎么考？这是物理AI从实验室走向现实世界的三个核心问题，现在有了系统性答案。
ECCV 2026 | 一段视频，重建一个可仿真的动态世界（在新窗口打开）
机器人走出实验室后，训练数据不再只是 “多不多” 的问题：环境能否覆盖真实世界的尺度、遮挡、接触和运动，直接决定策略能否落地。Real2Sim 因此重新受到关注 —— 如果普通视频也能变成可交互的仿真场景，采集成本会比人工建模或专用设备低得多。