2026年春季学期视觉计算实验室第5次论文研读预告

时间：2026年10月18日(周日) 09: 00

地点：望江校区基础教学楼B座318实验室

分享者：卢玉杰、杨光

Part1

分享者：卢玉杰

分享内容：

[1]Wang J, Chen M, Karaev N, et al. Vggt: Visual geometry grounded transformer[C]//2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, 2025: 5294-5306.

论文简介：

VGGT，一种前馈神经网络，能够直接从单张、少量乃至数百张不同视角的图像中，推断场景的所有关键三维属性，包括相机参数、点图、深度图以及三维点轨迹。这一方法标志着三维计算机视觉领域的一项重要进展。以往的模型通常局限于特定任务，并针对单一任务进行专门设计。相比之下，VGGT 不仅架构简洁、计算高效，能够在一秒以内完成图像的三维重建，而且其性能甚至优于那些依赖后处理视觉几何优化技术的方法。该网络在多项三维视觉任务中均取得了当前最先进的性能，包括相机参数估计、多视角深度估计、稠密点云重建以及三维点跟踪。此外还证明，将预训练的 VGGT 作为特征提取主干网络，能够显著提升下游任务的性能，例如非刚性点跟踪和前馈式新视角合成。

Part2

分享者：杨光

分享内容：

[2] Chuhan Shi, Zijian Guo, Zelin Zang, Chengbo Zheng, Ding Ding, Rui Sheng. (2026). "CellPrism: A Visual Analytics System for Exploring AI-Driven Virtual Cells in Drug Discovery." IEEE Visualization and Visual Analytics (VIS).

论文简介：

基因扰动分析在药物发现中发挥着关键作用，它使研究人员能够调查对特定基因的干预如何影响细胞内的全球基因表达模式。人工智能(AI)驱动的虚拟细胞模型的最新进展使在计算机中预测各种扰动策略的基因表达结果成为可能，从而大大减少了对昂贵且耗时的生物学实验的依赖。然而，由于扰动及其产生的复杂的、细胞特异性的基因表达反应的组合性质，有效地探索和解释由这些模型产生的高维扰动空间仍然具有挑战性。在这项工作中，我们介绍了CellPrism，这是一个可视化分析系统，旨在支持系统地探索药物发现的基因扰动策略。具体地说，CellPrism集成了基于集群的概述来总结扰动结果，基于字形的表示法来紧凑地编码跨细胞类型的基因表达模式，以及协调视图，使得能够对扰动效应进行细粒度的比较和解释。我们通过一个真实世界的案例研究和专家访谈来证明CellPrism的有效性。这项工作突出了视觉分析在药物发现中将虚拟细胞建模与专家驱动的决策联系起来的价值。