ECCV2026 计算生物论文解读论文笔记对齐/RLHF 强化学习图像恢复多模态语义分割扩散模型

🧬 计算生物¶

🎞️ ECCV2026 · 8 篇论文解读

📌 同领域跨会议浏览： 🧠 NeurIPS2026 (18) · 📷 CVPR2026 (21) · 🔬 ICLR2026 (155) · 💬 ACL2026 (5) · 🧪 ICML2026 (51) · 🤖 AAAI2026 (20)

🔥 高频主题： 对齐/RLHF ×2

CellFluxRL: Biologically-Constrained Virtual Cell Modeling via Reinforcement Learning: CellFluxRL 不改动生成架构，而是把七项可自动计算的生物学评估器（MoA 一致性、核是否被胞质包含、核圆度、核与胞质的尺寸/数量统计）当作奖励，对已训练好的流匹配虚拟细胞模型 CellFlux 做 RL 后训练，把「看起来逼真」的细胞图像推向「生物学上可信」，七项奖励全部优于基线，再用 best-of-N 测试时扩展进一步放大收益。
FPicker: Topology-Guided Evolution for Filament Tracing in Low-SNR Microscopy: 清华大学团队提出 FPicker，通过中心-端点表示构建粗粒度拓扑骨架先验，并结合截断边界的开曲线图卷积演化网络与桥接渐进学习策略，攻克了冷冻电镜极低信噪比（SNR = -20 dB）下连续细丝蛋白追踪的拓扑断裂与端点收缩难题。
Revisiting Scene Graph Generation from the Perspective of Detector-Conditioned Reachability: 本文从目标检测器条件可达性（Detector-Conditioned Reachability）的新视角，首次定量揭示了基于检测器与基于查询的两类场景图生成方法在预测行为上的互补性，并提出了融合自顶向下（TD-Qs）与自底向上（BU-Qs）双重查询的 Dual-SGG 框架，在无需后验校准的前提下取得了显著的性能提升。
Score-Based Matching with Target Guidance for Cryo-EM Denoising: 针对冷冻电镜（Cryo-EM）显微图像极低信噪比与无洁净真值监督的瓶颈，提出结合低通参考三维结构投影先验的目标引导分数匹配（TSM）框架，通过自适应置信度加权与退火学习，在有效抑制结构化低频背景的同时保全弱颗粒微细结构，显著提升下游颗粒拾取与高分辨率三维重构质量。
Synthetic Visual Genome 2: Extracting Large-scale Spatio-Temporal Scene Graphs from Videos: SVG2 将真实视频自动标注扩展到 636K 视频规模，并训练轨迹条件模型 TraSeR，以分割对齐和全局/局部双重采样器生成时空场景图，在 SVG2test 上达到 79.0% 对象准确率和 27.1% 属性召回率，但关系预测并未全面超过 GPT-5。
Together, Then Apart: Balancing Alignment and Distinctiveness for Multimodal Survival Analysis: 针对多模态生存分析中过度跨模态对齐导致模态特异性信息塌陷的痛点，提出“先聚合、后分离（Together, Then Apart, TTA）”框架，通过共享原型与带课程调度松弛质量的不平衡最优传输捕获共有预后模式，再通过模态特异性锚点与对比正则化显式保留各自独特生物学信号，在五个 TCGA 癌症队列上取得显著超越 SOTA 的一致提升。
TopoFuse: Topology-Aware Tri-Planar Fusion for 3D Cryo-Electron Tomography Segmentation: TopoFuse 针对冷冻电镜断层三维分割中因极低信噪比与缺失楔伪影导致的膜结构断裂和腔室塌陷，将拓扑先验从软损失函数重构为前向前向通道的可微投影算子，结合三平面 SAM 基础特征与拓扑条件化 FiLM 融合，仅需编辑约 3.1% 的关键体素即在贝蒂数误差上取得 54% 的大幅下降。
Trust-Region Noise Search for Black-Box Alignment of Diffusion and Flow Models: 针对扩散与流匹配模型在推理时对齐面临的高显存开销、无法支持黑盒昂贵奖励及易脱离数据流形等瓶颈，本文提出置信域噪声搜索（TRS），仅对源噪声进行结构化扰动与动态尺度调整，在文生图、小分子和蛋白质生成任务上均显著超越现有黑盒与序列搜索基线。