2026年春季学期视觉计算实验室第12次论文研读预告

时间：2026年6月13日(周六) 09: 00

地点：望江校区基础教学楼B座318实验室

分享者：邓子祎、王翔坤

Part1

分享者：邓子祎

分享内容：

[1] Donghoon Shin, Daniel Lee, Gary Hsieh, and Gromit Yeuk-Yin Chan. 2025. PosterMate: Audience-driven Collaborative Persona Agents for Poster Design. In Proceedings of the 38th Annual ACM Symposium on User Interface Software and Technology (UIST '25). Association for Computing Machinery, New York, NY, USA, Article 201, 1–20. https://doi.org/10.1145/3746059.3747769

论文简介：

随着广告海报设计中获取目标受众反馈的挑战日益凸显，传统方式难以高效整合多元视角并实时融入设计迭代。基于设计空间的探索与形成性研究，本文构建了一个系统框架，涵盖角色代理生成、组件级反馈（文本、图像、主题）以及冲突讨论与共识达成三大模块。本文开发了PosterMate原型系统，能够自动生成多样化的角色代理，并在画布中提供实时反馈与预览，支持设计师与代理之间围绕设计冲突进行讨论以形成结论。通过一项包含12名设计师的用户研究与一项100人参与的在线评估，本文发现角色代理的反馈与其身份高度一致，且系统有效综合多元视角，帮助设计师识别被忽视的受众需求，并提升了海报迭代的效率与创造力。

Part2

分享者：王翔坤

分享内容：

[1] Luo E P, Wei L, Hao M S, et al. A multi-modal diffusion model with dual-cross-attention for multi-omics data generation and translation[J]. Nature Communications, 2026.

论文简介：

针对单细胞多组学实验成本高、样本通量有限、多模态数据整合与跨模态转化困难等行业痛点，本文在初代 scDiffusion 基础上推出scDiffusion-X，一款面向单细胞多组学分析的多模态隐空间扩散模型。该模型的核心突破是设计双交叉注意力（DCA）模块，摒弃传统简单拼接的融合方式，可自适应捕捉转录组、染色质可及性等不同分子模态间复杂的隐性关联，兼具灵活性与生物学可解释性。大量基准实验证实，相较于 MultiVI、CFGen、scDesign3、BABEL 等主流方法，scDiffusion-X 能生成高度贴合真实特征的多组学数据，有效保留细胞异质性与全局数据结构，同时具备优秀的大数据集适配能力，还可用于扩充稀有细胞样本、提升下游分析精度。该模型还实现了 RNA 与染色质可及性数据的双向跨模态翻译、扰动响应预测，并支持结果不确定性量化，弥补了现有方法仅能输出单点预测的不足。研究进一步搭建梯度解析框架，依托 DCA 模块挖掘细胞类型特异性异质基因调控网络（GRN），并结合 ENCODE、HiChIP等公共数据完成验证，打通了生成式建模与生物机制解析的壁垒。