00/00
技术竞赛
已结束
NTIRE 2026 挑战赛
图像恢复、增强和处理是计算机视觉的关键任务，其目标是恢复退化的图像内容、填补缺失的信息，或者进行必要的转换和 / 或处理，以达到预期的目标（涉及感知质量、内容或基于此类图像运行的应用程序的性能）。近年来，视觉和图形领域的研究者对这些基础性研究课题的兴趣日益浓厚。相关论文的数量不断增加，同时在研究方面也取得了显著进展。 本次研讨会旨在概述这些领域的新趋势和进展。此外，它还将为学术界和工业界的参会者提供一个互动和探索合作的机会。
进行中
LoViF 2026 第二届All-in-One图像复原挑战赛
第二届“生成式AI、偏好优化与智能体系统驱动的低层视觉前沿（LoViF）”研讨会将于2026年9月与ECCV 2026同期举办。底层视觉正经历一场范式转变，传统的图像复原方法正在被生成式人工智能、偏好优化和智能体系统所增强并重新定义。
进行中
LoViF 2026 雨滴与反射统一去除挑战赛
随着图像复原技术的发展，雨滴去除、反射去除等任务已取得显著进展。然而，在真实雨天玻璃成像场景中，图像往往并非只受到单一退化因素影响，而是同时面临附着雨滴与玻璃反射的双重干扰，两类退化相互叠加并耦合，显著增加了图像内容恢复的难度，也给监控安防、自动驾驶和移动摄影等真实应用带来了严峻挑战。现有图像复原研究通常将雨滴去除和反射去除作为两个相对独立的任务进行建模，难以有效应对真实玻璃成像中多种退化共存的复杂情况。 为推动面向真实复杂场景的通用图像复原技术发展，本次研讨会设置雨滴与反射统一去除挑战赛（Unified Removal of Raindrops and Reflections, UR³），旨在建立面向 UR³ 任务的统一评测基准，鼓励参赛者设计能够同时感知、分离并去除雨滴与反射干扰的鲁棒复原模型，从而恢复干净、自然且结构真实的背景场景，并进一步推动图像复原算法在真实世界复杂成像场景中的应用。
进行中
ECCV 2026 首届 AIGC 图像压缩竞赛
近年来，AIGC 正在深刻改变视觉内容的生产方式。从海报设计、动漫插画，到 UI 图像、多主体复杂场景，越来越多高分辨率视觉内容不再完全依赖相机采集，而是由文生图、文生视频等生成模型创作完成。随着 AI 生成图像与视频内容的快速增长，视觉内容的存储、传输与分发也面临新的压缩需求。然而，传统图像压缩方法长期主要围绕自然图像展开，而 AIGC 图像在内容分布、结构组织和失真表现上具有明显差异。在低码率条件下，压缩失真不仅可能造成纹理模糊和细节损失，还可能破坏提示词所对应的物体组合关系，导致海报式布局、UI 结构或多主体空间关系发生偏移；对于风格化纹理和生成式细节，压缩还可能进一步放大伪影，影响视觉质量与语义一致性。面向这一新兴问题，AIGC Image Compression Challenge @ ECCV 2026 正式启动。本次比赛将聚焦 AI 生成图像的低码率压缩任务，建立面向 AIGC 内容的新型评测基准，邀请全球研究者与工程团队共同探索下一代图像压缩技术。
专刊征稿
Pattern Recognition | 动态和资源受限环境中的自适应和可扩展视觉模型
在当今快速发展的世界中,视觉模型在机器人、自动驾驶、医疗保健、工业自动化和环境监测等多种应用中正发挥着越来越重要的作用。然而,这些模型在动态、复杂且资源受限的环境中常常面临挑战,因为数据在这些环境中存在噪声、不完整或持续演化。
中国图象图形学报 | 低空经济中的目标检测技术与应用
随着低空经济的快速发展，无人机在智能巡检、物流运输、应急监测等场景中的应用日益广泛。高效、精准的目标感知能力，是实现无人机智能化自主作业的核心基础。然而，无人机空拍图像通常面临目标区域占比小、视觉结构模糊、环境干扰多等挑战，导致图像中有效信息稀疏，传统通用图像处理方法在此类任务中表现受限。尤其当目标仅占数十像素时，现有模型易出现漏检与误检，不仅制约了无人机视觉系统的实际落地，也对构建鲁棒、智能的低空视觉信息处理体系提出了严峻考验。
GIScience & Remote Sensing | 阴雨环境中的遥感：挑战、进展和应用
多云和多雨的环境在热带、亚热带和其他经常受云量和降雨影响的地区很常见。这些具有挑战性的条件对遥感数据的采集、处理和应用构成了重大障碍，同时也激发了方法和技术的创新。这些地区有效的遥感方法和应用对于支持环境监测、灾害管理和可持续发展至关重要，使其成为环境遥感研究的重点。本特刊旨在推动遥感在恶劣天气条件下应用的方法和技术进步，并支持云雨环境中的可持续发展。
IEEE JSTARS | 噪声感知遥感：建模、缓解与利用
最近的跨学科研究进一步揭示，噪声不仅仅是一种需要去除的污染物:在受控条件下，它可以作为一种激励信号或显式先验从而提升模型性能。正向激励噪声能细化决策边界;有意的噪声注入则有助于增强隐私保护能力和对抗鲁棒性;而噪声统计可以支持不确定性量化和材料鉴别。然而，现有研究通常只针对孤立阶段进行探讨，缺乏一个系统性的“缓解-激发-利用”框架，以及可解释、可迁移和可部署的遥感模型所需的理论基础。为了解决这些问题，本特刊旨在探索与噪声感知遥感相关的技术和应用领域的原创研究，以分享最新的研究成果、方法以及最佳实践，并推动噪声感知遥感的进一步发展。
