厦门大学 | 计算机科学与技术博士生

陈颜皓

我关注长尾视觉识别、多模态学习，以及面向可靠 AI 系统的可信推理。

邮箱：cyhao@stu.xmu.edu.cn

Google Scholar DBLP ORCID
陈颜皓肖像
厦门大学博士生

最新动态

  • ✨ 论文 Local Manifold Sensitivity and Regularization in Long-Tailed Recognition 被 ACM MM 2026 Main Track 录用。
  • 🏅 获评 ICML 2026 Golden Reviewer。
  • 🎓 两篇由我参与指导的硕士生主导论文被 IJCNN 2026 Main Track 录用。
  • ✨ 论文 CurrMix: Curriculum-Enhanced MixUp for Long-Tailed Visual Recognition 被 CVPR 2026 Findings 录用。
  • ✨ 论文 Prototype Entropy Alignment: Reinforcing Structured Uncertainty in LLM Reasoning 被 AAAI 2026 Main Track 录用为 Oral。
  • ✨ 论文 Supervised Exploratory Learning for Long-Tailed Visual Recognition 被 ICCV 2025 Main Track 录用。
  • ✨ 论文 Enhancing Mixture of Experts with Independent and Collaborative Learning for Long-Tail Visual Recognition 被 IJCAI 2025 Main Track 录用。

研究方向

我的研究围绕类别不均衡下的表示学习、跨模态对齐，以及面向可靠 AI 系统的可信推理机制展开。

长尾视觉识别 多模态学习 可信 AI 推理
  • 长尾视觉识别示意图
    长尾视觉识别 关注类别不均衡场景下的表示学习、尾部类别鲁棒性与决策校准。
  • 多模态学习示意图
    多模态学习 探索视觉-语言对齐、检索增强建模，以及多模态情感分析与推理流程。
  • 可信 AI 推理示意图
    可信 AI 推理 面向大语言模型与多模态系统，研究不确定性建模、结构化推理与可靠评估机制。

教育背景

  • 2017.09-2021.06 南京邮电大学，本科，光电信息科学与工程
  • 2021.09-2022.11 南安普顿大学，硕士，电子工程
  • 2023.09-至今 厦门大学，博士生，计算机科学与技术

论文发表

论文覆盖长尾视觉识别、多模态学习与大语言模型推理。

  1. Local Manifold Sensitivity 示意图
    2026

    Local Manifold Sensitivity and Regularization in Long-Tailed Recognition

    Y. Chen*, Z. Pan*, S. Hu, J. Jiao, X. Chen, Z. Jian, Q. Wu.

    ACM MM 2026 Main Track（CCF-A）

    Paper 待更新

  2. 独立与协同 MoE 学习示意图
    2025

    Enhancing Mixture of Experts with Independent and Collaborative Learning for Long-Tail Visual Recognition

    Y. Chen*, Z. Jian*, N. Ke, S. Hu, J. Jiao, Q. Hong, Q. Wu.

    IJCAI 2025 Main Track（CCF-A）

    PaperCode

  3. 监督式探索学习示意图
    2025

    Supervised Exploratory Learning for Long-Tailed Visual Recognition

    Z. Jian*, Y. Chen*, Y. Wang, J. Yao, M. Wang, Q. Wu.

    ICCV 2025 Main Track（CCF-A）

    Paper

  4. CurrMix 课程增强 MixUp 示意图
    2026

    CurrMix: Curriculum-Enhanced MixUp for Long-Tailed Visual Recognition

    Z. Jian*, Y. Chen*, B. Hu, W. Lv, S. Wang, J. Wu, J. Yao, Y. Lu, Q. Wu.

    CVPR 2026 Findings

    Paper

  5. Prototype Entropy Alignment 示意图
    2026

    Prototype Entropy Alignment: Reinforcing Structured Uncertainty in LLM Reasoning

    Z. Pan*, Y. Chen*, Z. Jian, W. Zhao, H. Ma, M. Wang, Q. Wu.

    AAAI 2026 Main Track（CCF-A，Oral）

    PaperCode

  6. SimRP 检索提示示意图
    2025

    SimRP: Syntactic and Semantic Similarity Retrieval Prompting Enhances Aspect Sentiment Quad Prediction

    Z. Jian, Y. Chen, J. Li, S. Wang, X. Zeng, J. Yao, X. An, Q. Wu.

    AAAI 2025 Main Track（CCF-A）

    PaperCode

  7. MDF 多模态解耦与融合示意图
    2026

    MDF: A Modality-Aware Disentanglement and Fusion Framework for Multimodal Sentiment Analysis

    Z. Jian, W. Lv, Y. Chen, G. Luo, W. Qiu, S. Wang, B. Hu, Q. Wu.

    AAAI 2026 Main Track（CCF-A）

    Paper

  8. METORIE 信息抽取示意图
    2025

    Enhancing Information Extraction with METORIE: A Metaphor and Trap-Based Dataset for Cross-Domain Fine-Tuning

    Z. Pan, Y. Peng, Z. Jian, Y. Chen, W. Qiu, H. Ma, J. Yao, M. Wang, Q. Wu.

    ICASSP 2025 Main Track（CCF-B）

    Paper

  9. AEM45K 学生美术审美评估示意图
    2026

    AEM45K: A Large-scale Multimodal Dataset and Method for Aesthetic Assessment of Student Artwork in Middle-school Education

    S. Hu*, Y. Chen*, Y. Liu, R. Liang, J. Jiao, J. Jin, W. Liu, Y. Zhang, L. Wang, Q. Wu.

    IJCNN 2026 Main Track（CCF-C）

    Paper 待更新

  10. 医学分割 Prototypical MoE 示意图
    2026

    Tackling Mask Imbalance: Prototypical Mixture-of-Experts with Hardness-Aware Mining for Medical Segmentation

    J. Jiao, G. Liu, Y. Chen, S. Hu, W. Liu, Y. Zhang, L. Wang, Q. Wu.

    IJCNN 2026 Main Track（CCF-C）

    Paper 待更新

* 表示共同第一作者。

项目经历

精选智能美育与教育评价相关项目，突出算法模型设计、应用落地与国家级案例支撑。

  • 《塑造个性审美生命：美术“创造－情感”能力的智能评估与应用》

    算法模型负责人

    主导智能评估算法模型设计与实现，构建美术“创造－情感”能力评估指标体系，支撑作品分析、互动课堂与教师反馈等功能。项目入选国家级智能化美育应用案例。

  • 《数智赋能中小学美育评价体系构建——以佛山市中小学美育评价为例》

    推荐算法开发

    参与区域中小学美育评价平台建设，负责推荐算法开发，支撑数据驱动、过程性、多维度的艺术学科质量监测与教育资源诊断。

学术服务

  • 📝 担任 ICML、NeurIPS、ACM MM 等 CCF-A 类会议审稿人。
  • 🏅 获评 ICML 2026 Golden Reviewer。