Gerade wurden die besten Beiträge der ECCV bekanntgegeben, und Li Fei-Fei erhielt den Test-of-Time Award.

Vor einigen Stunden hat die ECCV die Preise wie den diesjährigen Best Paper Award bekanntgegeben.

ECCV (European Conference on Computer Vision, Europäische Internationale Konferenz für Computer Vision) gehört zu den drei weltweit führenden Top-Konferenzen im Bereich Computer Vision (CV) und genießt in der KI- und Computergemeinschaft einen außerordentlich hohen akademischen Ruf und großen Einfluss. Die diesjährige Konferenz findet vom 8. bis 12. September in Malmö, Schweden statt.

Die Zahl der gültigen Einreichungen für die ECCV in diesem Jahr beträgt 10473, 2834 Arbeiten wurden angenommen, was einer Annahmequote von 27,1 % entspricht. 163 Arbeiten wurden für die Oral-Präsentation ausgewählt, was einem Anteil von 1,6 % entspricht.

Darüber hinaus zeigen Statistiken, dass chinesische Autoren inzwischen den größten Anteil der ECCV-Beiträge stellen.

Noch bemerkenswerter sind jedoch die anerkannten Forschungsarbeiten.

Best Paper Award

Der diesjährige Best Paper Award geht an die Arbeit mit dem Titel Heat Kernel Textures -- the Geodesic Gaussians That Do Not Splat des Imperial College London. Die beiden Erstautoren Simone Foti und Caner Korkmaz sind jeweils Postdoktorand und Doktorand an dieser Einrichtung.

Begründung für die Preisverleihung: „Für die prägnante und neuartige Beitrag zur Darstellung von Oberflächentexturen: Ersetzen der standardmäßigen UV-Abbildung und Gaussian Splatting durch geodätische Gaussians, die auf Wärmediffusion auf nicht-euklidischen Mannigfaltigkeiten basieren. Das Preisgremium weist darauf hin, dass dieser Ansatz elegant ist und sein Potenzial weit über den Inhalt der Arbeit hinausgeht.“

Titel der Arbeit: Heat Kernel Textures -- the Geodesic Gaussians That Do Not Splat

Adresse der Arbeit: https://eccv.ecva.net/virtual/2026/poster/3652

Autorenteam: Simone Foti ⋅ Caner Korkmaz ⋅ Stefanos Zafeiriou ⋅ Tolga Birdal

In dieser Forschung wird eine neue 3D-Texturdarstellungsmethode namens Heat Kernel Textures vorgeschlagen, abgekürzt als HKTex. Sie orientiert sich an der Idee von 3D Gaussian Splatting, visuelle Informationen durch eine große Anzahl von Gaussians darzustellen, platziert die Gaussians jedoch nicht im 3D-euklidischen Raum, sondern klebt direkt „wärmekernähnliche“ Elemente auf die Mesh-Oberfläche des Objekts.

Herkömmliche 3D-Modelle verwenden normalerweise UV-Mapping zum Auftragen von Texturen, d. h. eine dreidimensionale Oberfläche wird zuerst zu einer zweidimensionalen Abbildung „abgeflacht“, und anschließend werden die Farben in dieser Abbildung gespeichert. Diese Methode wird seit Jahrzehnten verwendet, weist jedoch seit jeher mehrere Probleme auf: Die Entfaltung führt zu Verzerrungen, Nähten, inkonsistenten Auflösungen in verschiedenen Bereichen, und es gibt viele leere Bereiche in der UV-Abbildung, was Grafikspeicher und Speicherplatz verschwendet. Bei komplexen Modellen müssen zudem Vertices an den Nähten dupliziert werden.

Der Ansatz von HKTex hingegen verzichtet vollständig auf die UV-Abbildung.

Man kann es sich so vorstellen: Auf der Oberfläche des Modells werden Tausende von „farbigen Flecken“ platziert, wobei jeder Fleck einem Gaussian ähnelt, der sich entlang der Geodäten auf der gekrümmten Oberfläche ausbreitet. Mathematisch verwenden die Autoren einen anisotropen Wärmekern, der als „Gaussian im Oberflächenraum“ betrachtet werden kann. Selbst wenn sich die Oberfläche krümmt, krümmt sich dieses Texturelement natürlich mit der Oberfläche mit, anstatt wie ein gewöhnlicher 3D-Gaussian außerhalb des Modells zu schweben.

Obwohl die Methode von Gaussian Splatting inspiriert ist, führt sie tatsächlich kein Splatting durch. Beim Rendern schneidet ein Strahl zuerst das Mesh, dann wird an der Schnittstelle dynamisch der Beitrag der umliegenden Wärmekerne zur Texturfarbe berechnet, sodass sie direkt in die differenzierbare physikalisch basierte Rendering-/Ray-Tracing-Pipeline integriert werden kann.

Diese Wärmekerne sind nicht festgelegt. Während des Trainings können ihre Position, Ausrichtung, Form, Skalierung und Farbe optimiert werden, und die Bewegung der Kerne ist streng auf die Mesh-Oberfläche beschränkt. Das System fügt zudem automatisch Kerne in Bereichen mit komplexer Textur hinzu und reduziert Kerne in einfachen Bereichen, ähnlich wie die Densification bei 3DGS.

Daher kann es in zwei Szenarien verwendet werden: Erstens kann eine vorhandene UV-Textur zu HKTex komprimiert werden; zweitens kann die Oberflächentextur des Objekts direkt aus Mehrwinkel-Fotos durch inverses Rendering abgeleitet werden, ohne dass zuerst eine UV-Abbildung erstellt werden muss.

Die experimentellen Ergebnisse zeigen die Attraktivität dieses Ansatzes. In Texturanpassungsexperimenten mit 313 Objaverse-Modellen geben die Autoren an, dass HKTex bei hoher Bildqualität den Texturspeicherbedarf erheblich reduziert. Im Anhang der Arbeit wird angegeben, dass der für die Textur erforderliche Speicherplatz im Vergleich zur ursprünglichen GT-UV-Textur um etwa eine Größenordnung reduziert werden kann. In Experimenten zur Texturwiederherstellung aus Mehrwinkel-Bildern belegt HKTex im Durchschnitt nur etwa 78,7 KB, während PSNR, LPIPS, SSIM, MS-SSIM und MSE alle besser als die mehreren von den Autoren verglichenen Neural-Texture-/Vertex-Texture-Baselines sind.

Best Paper Nominierung

Zwei weitere Arbeiten erhielten die Best Paper Nominierung der ECCV 2026, deren Autoren von Einrichtungen wie Meta und der Stony Brook University der State University of New York stammen.

Titel der Arbeit: LSRM: High-fidelty Object-centric Rsconstruction via Scaled Context Windows

Adresse der Arbeit: https://eccv.ecva.net/virtual/2026/poster/4770

Autorenteam: Zhengqin Li、Cheng Zhang、Jakob Engel、Zhao Dong

Begründung für die Preisverleihung: Für die herausragende Qualität und die hervorragende technische Umsetzung. Diese Arbeit trägt zur objektzentrierten 3D-Rekonstruktion bei, indem die Länge des Kontextfensters in der Transformer-Architektur erweitert wird, um langreichweitige Ansichtsübergreifende Abhängigkeiten zu erfassen und so eine höhere Wiedergabetreue zu erreichen.

Diese Arbeit stammt von Meta Reality Labs Research, in der ein großes Modell für dünnbesetzte Rekonstruktion namens LSRM (Large Sparse Reconstruction Model) vorgeschlagen wird. Es beantwortet die Frage: Kann die Vergrößerung des Kontextfensters von Transformer die Qualität der vorwärtsgerichteten 3D-Rekonstruktion verbessern?

Der Ausgangspunkt der Autoren ist: Obwohl die objektzentrierten vorwärtsgerichteten Rekonstruktionsmethoden in den letzten Jahren robust und schnell sind, liegen sie bei der Wiedergabe feiner Texturen und Oberflächen immer noch hinter den dichten ansichtsbasierten Optimierungslösungen pro Szene zurück.

Sie gehen davon aus, dass diese Lücke größtenteils auf das Token-Budget zurückzuführen ist: Solange die Anzahl der Objekt-Token und Bild-Token, die an der Berechnung teilnehmen, erheblich erhöht und das Kontextfenster erweitert wird, können vorwärtsgerichtete Methoden ebenfalls eine hochgetreue 3D-Objektrekonstruktion und inverses Rendering erreichen.

Um diese Erweiterung technisch praktikabel zu machen, überträgt LSRM die native dünnbesetzte Aufmerksamkeit auf das Szenario der 3D-Rekonstruktion und nimmt drei Modifikationen vor:

Ein von grob zu fein verlaufender Workflow, der die Rechenleistung auf informationsreiche Bereiche konzentriert, indem dünnbesetzte hochauflösende Residuen vorhergesagt werden;

Ein 3D-wahrnehmender räumlicher Routing-Mechanismus, der explizite geometrische Entfernungen anstelle herkömmlicher Aufmerksamkeitswerte verwendet, um die Entsprechung zwischen 2D und 3D herzustellen;

Eine sequenzielle Parallelisierungsstrategie für blockbasierte Strukturen, die in Kombination mit dem All-gather-KV-Kommunikationsprotokoll die dynamische, dünnbesetzte Rechenlast zwischen mehreren Grafikkarten ausgleicht.

Durch die Kombination dieser drei Maßnahmen erreicht die Anzahl der von LSRM verarbeitbaren Objekt-Token das 20-fache der bisherigen SOTA-Methoden, und die Anzahl der Bild-Token übersteigt das 2-fache.

Aus den in der Arbeit angegebenen Daten geht hervor, dass LSRM auf dem Standard-Benchmark für die Synthese neuer Ansichten einen PSNR-Anstieg von mehr als 2,4 dB und einen LPIPS-Rückgang von über 40 % im Vergleich zum aktuellen SOTA erzielt. Bei der Erweiterung auf die Aufgabe des inversen Renderings verbessern sich die Textur- und Geometriedetails auf gängigen Benchmarks konsistent, und der LPIPS-Wert erreicht bereits das Niveau der auf dichten Ansichtsoptimierungen basierenden Methoden oder übertrifft es sogar.

Titel der Arbeit: Poppy: Polarization-Based Plug-and-Play Guidance for Enhancing Surface Normal Estimation

Adresse der Arbeit: https://eccv.ecva.net/virtual/2026/oral/6004

Projektseite: https://irnkim.github.io/poppy/

Autorenteam: Irene Kim ⋅ Sai Tanmay Reddy Chakkera ⋅ Alexandros Graikos ⋅ Dimitris Samaras ⋅ Akshat Dave

Begründung für die Preisverleihung: Für den Beitrag zur Testzeitadaptierung basierend auf mehreren reinen RGB-Backbone-Netzwerken mit deutlichen Verbesserungen. Durch nur eine einzelne Erfassung polarisierter Eingabedaten können Mehrdeutigkeiten beseitigt werden, insbesondere in anspruchsvollen nicht-polarisierten Bereichen und komplexen spiegelnden Reflexionsszenarien.

Diese Arbeit stammt von der Stony Brook University der State University of New York und befasst sich mit einer Art hartnäckiger Fehlerszenarien bei der monokularen Schätzung von Oberflächennormalen.

Schätzer, die auf großen Mengen von RGB-Normal-Daten trainiert wurden, zeigen bei reflektierenden, texturlosen und dunklen Oberflächen oft schlechte Leistungen, da solche Bereiche selbst keine visuellen Hinweise liefern, auf die sich das Netzwerk verlassen kann.

Die Autoren schlagen vor, Polarisationsinformationen als physische Ergänzung einzuführen. Das Polarisationssignal codiert die Oberflächenausrichtung, ist unabhängig von Textur und Albedo und deckt genau die Stellen ab, an denen RGB-Methoden am schwächsten sind. Bestehende Polarisationslösungen erfordern jedoch entweder Mehrwinkel-Erfassungen oder sind auf spezielle Trainingsdaten angewiesen, was ihre Generalisierungsfähigkeit einschränkt.

Sie schlagen Poppy vor: Ein trainingsfreies Framework, das in der Testphase mit einmalig aufgenommenen Polarisationsmesswerten die Normalen optimiert, die von beliebigen eingefrorenen RGB-Backbone-Netzwerken ausgegeben werden.

Bei der Methodenausgestaltung bleiben die Backbone-Gewichte die gesamte Zeit über eingefror