2026年秋季学期视觉计算实验室第6次论文研读报告

时间： 2026年10月24日（周六）14：00

地点： 望江校区基础教学楼B座318实验室

分享者： 邓凌竹、李思宇

Part1

分享者： 邓凌竹

分享内容：

[1]Liu K, Zhou H, Xu R, et al. Beyond Matching to Tiles: Bridging Unaligned Aerial and Satellite Views for Vision-Only UAV Navigation[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2026: 5359-5368.

论文简介：

针对 GNSS 拒止环境下无人机跨视角定位精度受限的问题，该研究指出传统方法依赖卫星地图瓦片匹配，难以有效应对无人机与卫星图像间的视角差异、空间错位及重叠区域变化，也难以同步实现位置与航向估计。为此，本研究提出 Bearing-UAV 框架，通过全局与局部特征融合、相对坐标编码及相似度引导的跨注意力机制，增强跨视角特征关联，并直接回归无人机的位置与航向，突破传统离散瓦片匹配的定位范式。同时，论文构建 Bearing-UAV-90K 数据集，支持相关任务的训练与评估。实验结果表明，该方法平均定位误差为 8.61 米，平均航向误差为 12.90°，整体性能优于现有匹配与检索类方法，为复杂环境下无人机纯视觉定位提供了新的技术思路。

Part2

分享者： 李思宇

分享内容：

[2] Zheng X, Jiang S, Seabra G, et al. Apo2Mol: 3D molecule generation via dynamic pocket-aware diffusion models[C]//Proceedings of the AAAI Conference on Artificial Intelligence. 2026, 40(2): 1614-1622.

论文简介：

现有结构导向药物设计（SBDD）方法多假设蛋白质口袋刚性，忽略了配体结合诱导的构象重排（Apo到Holo转变），且依赖成本高昂的分子动力学（MD）模拟。为此，本文提出基于扩散的Apo2Mol框架，旨在从输入的Apo状态联合生成3D配体与对应的Holo口袋构象。作者从PDB中构建了24,601对Apo-Holo数据集，模型采用全原子分层图SE(3)-等变扩散网络，结合四元数平滑插值与自注意力图池化（SAGPooling），实现了从Apo到Holo的残基级构象恢复及配体去噪。在多个SBDD基准测试中，Apo2Mol在生成高亲和力配体（Vina min均值-6.79）与药物相似性（QED）上取得了SOTA，且键长分布最接近真实值。该工作摒弃了静态假设与高成本模拟，显著增强了SBDD的实际适用性。