近日，IEEE国际计算机视觉与模式识别会议CVPR 2026录用结果揭晓，计算机与大数据学院教师简忠权、吴继鹏、姚俊峰关于动作生成、长尾识别的若干研究成果被录用。IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 是计算机视觉与模式识别领域的全球顶级学术会议，被中国计算机学会（CCF）评为A类会议。CVPR 2026将于2026年6月3日至7日在美国科罗拉多州丹佛市举行。本次会议共收到16092篇高质量投稿，最终录用4090篇论文，录用率为25.42%；另有1717篇论文推荐为Findings Workshop。

以下为论文简介：

论文题目：Hierarchical Enhancement of Semantic Priors for Disentangled Text-Driven Motion Generation

录用类别：CVPR 2026, Main Track

作者：Wenhan Lv, Shaopan Wang, Xiangyu Wu, Tianchu Hang, Zhongquan Jian (简忠权)*, Qingqiang Wu*

完成单位：厦门大学，美狮贵宾会ms092021

论文介绍：

图一

文本到动作生成（Text-to-Motion Generation）旨在根据自然语言描述合成真实且语义对齐的三维人体动作。然而，现有基于扩散模型的方法通常依赖各向同性的潜在先验以及较为浅层的跨模态监督，这容易导致语义纠缠、可控性不足以及可解释性较差等问题。本文提出了 HESP，一种统一的扩散框架，通过分层增强语义先验，实现解耦的文本驱动动作生成。其核心在于引入自适应高斯变分自编码器（Adaptive Gaussian Variational Autoencoder, AG-VAE），将潜在动作流形结构化为多个语义一致的子流形，从而获得具备可解释性和可控性的动作表示。为进一步弥合语言语义与运动学语义之间的差距，设计了动态跨模态记忆模块（Dynamic Cross-Modal Memory, DCMM）以实现自适应语义融合，并提出分层跨模态注意力机制（Hierarchical Cross-Modal Attention, HCA）以捕获多层级的文本—动作对应关系。在 HumanML3D和KIT-ML数据集上的大量实验表明，HESP在性能上持续优于当前最先进的方法，如SALAD、MoMask和MDM，在取得性能提升的同时，还保持了更高的多样性和物理合理性。此外，HESP的结构化潜在空间形成了具有可解释性的聚类结构，能够清晰揭示不同动作类别之间的语义边界。本工作通过将分层潜在建模与自适应跨模态推理相结合，为文本条件人体动作生成建立了一种新的范式，在提升生成性能的同时显著增强了模型的可解释性。

论文题目：CurrMix: Curriculum-Enhanced MixUp for Long-Tailed Visual Recognition

录用类别：CVPR 2026, Findings Track

作者：Zhongquan Jian (简忠权)+, Yanhao Chen+, Bingbing Hu, Wenhan Lv, Shaopan Wang, Jipeng Wu (吴继鹏), Junfeng Yao (姚俊峰)*, Yang Lu*, Qingqiang Wu*

完成单位：闽江大学，厦门大学

论文介绍：

图二

长尾视觉识别（Long-tailed Visual Recognition, LTVR）由于数据分布固有的不平衡性，会使深度学习模型在学习过程中偏向多数类，从而导致少数类性能显著下降。基于MixUp的方法通过合成混合图像来增强训练数据、缓解类别偏置问题，在一定程度上缓解了这一挑战。然而，现有方法通常仅对两张图像进行混合，这限制了其在缓解类别不平衡方面的效果。增加每次混合的图像数量可能有助于显著提升少数类的表示比例，但同时也会显著提高优化难度并减缓模型收敛速度。为解决这一问题，本文提出了CurrMix，一种新颖的基于MixUp的方法，将课程学习策略融入其中，以缓解收敛困难，并充分挖掘MixUp在长尾视觉识别中的潜力。CurrMix核心在于交替式课程采样策略（Alternating Curriculum Sampling, ACS），该策略在混合图像时交替选择较容易样本与较困难样本，通过动态调节收敛节奏，在收敛缓慢时加速，在收敛较快时适度放缓，从而提升整体训练稳定性与效率。ACS 策略建立在现有长尾视觉识别技术进展的基础之上，继承了其优势，并显著增强了CurrMix 对少数类样本的学习能力。在多个长尾数据集上的全面实验表明，CurrMix相较于现有方法具有显著优势，在性能上取得了明显提升。消融实验进一步验证了所提出ACS策略的有效性。

（计算机学院 简忠权 通讯员 黄昆畅）

【责任编辑 罗晓华】