ECCV 2026 Keynote：计算机视觉下一个十年从看懂世界到教会人类
原标题：计算机视觉的下一个十年：从「看懂世界」到「教会人类」| ECCV 2026
AI 摘要
得克萨斯大学奥斯汀分校教授、前Meta FAIR研究总监Kristen Grauman在ECCV 2026主会首场Keynote中提出，计算机视觉应从「看懂世界」走向「教会人类」，让AI成为帮助人学习现实世界技能的AI Guide。她介绍了Ego-Exo4D、FIction、EgoExo-WM、SkillSight、CamFormer、ExpertAF、ExpertEdit、Vid2Coach等一系列研究，覆盖4D活动理解、未来交互预测、动作条件世界模型、技能水平推断与个性化反馈生成。她主张视觉AI的评价指标应从识别准确率转向学习成效，并与盲人及低视力用户合作验证了烹饪场景中的实时指导。
正文节选
AI 不应只做更强的观察者，而应成为帮助人学会现实世界技能的 AI Guide。 作者丨张岂萍 编辑丨幸丽娟 过去十年，计算机视觉的技术演进主线几乎围绕同一件事展开：让机器看得更准。从目标检测、姿态估计到三维重建、视频理解，“看懂”正在成为大模型的基础能力。但一个被反复验证的现实是：机器越会“看懂人”，人获得的实际帮助并没有同步增长。健身 App 能识别动作，却未必知道该让你改哪一寸；教学视频能展示标准动作，却无法判断你卡在哪一步；康复训练需要持续、个性化的提醒，而专业指导依然昂贵且稀缺。行业缺的，正是一个能进入人的行动过程、在关键时刻给出可执行反馈，并最终对“人有没有学会”负责的系统。这正是 Kristen Grauman 在 ECCV 2026 主会首场 Keynote 上试图回答的问题。她在主题为《 From Machine Perception to Hum