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。

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。

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。

第一届底层视觉前沿研讨会（LoViF）：生成式人工智能、偏好优化与智能体系统将于 2026 年 6 月 与 CVPR 2026 联合举办。底层视觉正经历一场范式转变。传统的图像恢复方法正在被生成式人工智能、偏好优化以及智能体系统所增强并重新定义。LoViF 研讨会旨在探索这些前沿方向，重点关注：生成式基础模型如何提供更强的先验信息、如何通过人类反馈来细化和提升视觉质量，以及智能体如何自主地处理复杂的图像恢复任务。

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。

图像压缩技术在数字时代至关重要，广泛应用于遥感、医疗、数字媒体、通信等领域。随着AI、深度学习等技术的发展，图像压缩正从传统编码（如JPEG、JPEG2000）向智能压缩（如基于扩散模型、神经网络的编码）演进。通过赛事推动边缘侧高效图像压缩技术的落地，助力解决“存储成本高、带宽受限、实时性不足”等社会痛点。

为推动国内高等院校、科研院所在Camera及其相关领域在读学生的培养，选拔优秀人才，中国图象图形学学会 、华为终端有限公司携手举办第六届CSIG图像图形技术挑战赛—2025“Camera学术之星”影像算法技术竞赛。

近年来，基于脉冲相机（spike camera）的视觉研究正快速发展。不同于传统帧式成像，脉冲相机受启发于生物视觉系统，其每个像素独立根据光强变化主动发放脉冲信号，采样频率最高可达 40,000Hz。其输出形式为二值脉冲的时空阵列（0/1脉冲信号），具有极高的时间分辨率与出色的动态感知能力，特别适用于高速运动、高动态范围、连续变化等复杂场景。与此同时，脉冲视觉也面临前沿挑战：由于其数据形式全新，传统图像算法和评估机制难以直接适用，亟需开发适配脉冲数据的新型视觉算法和构建适应性强的开放基准。本次挑战赛将举办数据集与基准评测和新应用与开放研究挑战赛。

以大模型为核心的生成式人工智能（AIGC）技术正迅猛发展，文本生成图像（Text-to-Image）作为多模态大模型的代表性应用，以前所未有的速度重塑艺术创作、视觉设计、数字娱乐等众多领域，展现出强大的创造力和广阔前景。多模态大模型能够根据文本提示生成高度逼真或富有创意的图像，但其输出质量存在显著波动。伴随着技术能力的提升，如何建立一套客观、精准且覆盖多维度的评价体系，科学的衡量AIGC图像的质量与图文匹配度，已成为推动该技术深化应用与可持续发展的核心挑战。我们期望参赛者充分挖掘多模态大模型在深度理解图像内容、精准对齐语义等方面的判别潜能，探索大模型作为“AI评委”在自动化、智能化评价其他大模型生成图像任务上的方法边界与最佳实践。