如何发表顶会

###################下面来自[1]########################
目前的论文审核主要分为单盲（single-blind review）、双盲（double-blind review）及开放评审（open review）等多种形式。单盲评审的含义非常简单，即评审知道作者的名字、学校等身份信息，但作者并不知道评审论文的人是谁；而双盲评审则是双方都不知晓彼此的身份信息。这两种方式为较多学术会议及期刊评审论文的主要途径。单盲评审的优势非常明显，即评审处于匿名身份，可以让评审免受压力，但评审由于知道了论文的作者信息，则非常有可能产生刻板印象，产生不够客观的评审结果。比如，对于比较有名的学者，评审会对论文的质量产生预设。而双盲评审则能够大幅降低作者个人信息所带来的附加效应，不过，评审也非常有可能从行文、主题中判断作者的信息。而 Open Review 则非常不同，根据规定，所有提交的论文都会公开姓名等信息，并且接受所有同行的评价及提问（open peer review），任何学者都可或匿名或实名地评价论文。而在公开评审结束后，论文作者也能够对论文进行调整和修改。

https://chillee.github.io/OpenReviewExplorer/?conf=iclr2019
顶会:
ICML/ACL/NIPS/ICLR

###################下面来自[2]########################
多体会big picture，motivation,自己做，目标发一个tier 2的会议，比如 ACCV，WACV这样的，个人不是十分推荐ICPR ICIP 这样的会议，审稿人可能和CV的不是一个圈子的，而且论文比较短，短文的问题是你没有足够的空间去把一个问题做solid，做透彻。

模仿写作，英语一定要学好，特别是表达，今年我review的eccv中有一篇国内的文章，idea非常棒，实验结果也非常好，可惜英文表达得非常不好，总的来说，我看了差不多5次才勉强看懂文章的细节，结果我很可惜地只能给他拒绝了，因为别人根本没办法能够看明白，特别是非中文母语的，我能够看明白是因为我会中文，了解中国人行文思路和表达思路。

不知道你是哪个学校哪个实验室哪个导师哪个方向的学生，实验室有没有发3大会的传统，导师也有没有发表过3大会，如果没有，你想做到这个，需要很长很长时间的沉淀。当然，你肯努力认真工作，肯定有发表的机会。

给自己挖坑的时候，一定要小心，很多坑挖进去了，就出不来，这个是建立在你起码有1到2年的论文积累基础上才可以做到，你必须很耐心地熬过这个阶段，和老板周旋你没出活的日子，同时这个时间内你并没有浪费时间在其他方面上
提高代码能力，有idea可以快速实现。

要发顶会的话，比较有希望的一条路，你做的是小众方向，竞争的人不太多。
###################下面来自[3]########################
一般实验没做好的话发到workshop并不能起到占坑作用...有时候甚至会适得其反。在workshop被人看到后用类似的idea刷出更impressive的performance反而中了顶会。尤其是一些simple but effective但是还没做完善的idea，放出来感觉就是喊着让大家快来抢坑...

#####################下面来自[4]###################################
最重要的一点是Idea，也就是说要creative。英文，语法，格式都是卵。nips，cvpr，icml虽然现在商业性质浓了，赞助商的paper容易中了，灌水的多了，但是不可否认他们是本领域的顶会。散户，向我们这样的学生，想投中最重要的不是像楼上说的那样985就成，（这三大会的评委有几个能认的出国内学校是不是985？）更不是像水专利那样水论文。

按格式水中顶会的人有，但他必定不是散户，肯定是国际大佬或者主办方，赞助商的老师手下的学生才有那么一丝机会。我们普通学生这样的散户，你想像申请一个国内专利那样中cvpr？洗洗睡吧。

我第一篇顶会是n年前，我硕士第一年写的一篇IROS。当时英文超烂，代码也搓，实验效果也不咋地，能中完全是我那个idea比较新，创新点明确。reviewer 直接说我的 grammar sucks but idea is interesting。

最后来点干货，在你成功的占领一个科研阵地，成为职业科研工作者之后，可以水一些一流二流的会，但是你的核心竞争力体现在你的paper中。科研人员用paper说话。灌水的文谁都认识，你的声誉和价值，在你的pup那一栏里一目了然。对于一个刚开始搞科研的后辈，我诚心的希望你不要为了水顶会而“写”paper，请潜心的搞点子东西，搞出点有意思的东西再去“发表”paper。

#####################下面来自[7]###################################
例如以下几个因素：运用定理或者公式、不含引用文章部分的文本长度合适、文章包含附录、摘要包含评审感兴趣的术语、词语重复使用的频率低等，都会增大论文获选的几率。

#####################下面来自[8]###################################
我感觉一年的周期大概是这样的，掌握基本的代码和学会阅读文章需要3-4个月（对于基础扎实的学生），形成一个问题靠谱的技术路线和论文雏形需要3-4个月，最后，把结果做出来和论文写出来要3-4个月。
但是，我和很多导师都有同一个感觉，就是对于很多本科生即使发表了一作顶会并不意味着研究能力就很强了，主要体现在idea，方向感，学科格局理解等研究的核心要素还是不行。这也就需要在博士阶段继续的锤炼。
宁静以致远吧.

https://link.zhihu.com/?target=https%3A//github.com/CSAILVision/semantic-segmentation-pytorch
而且之前发文章其实是属于解决一个 well-defined problem，但真正做研究还是需要自己explore，提出并解决问题，自己这方面能力还差的太远。

这个是陶哲轩的论文
https://terrytao.wordpress.com/career-advice/be-sceptical-of-your-own-work/

#####################下面来自[9]###################################
提到了以下链接:
https://aideadlin.es/?sub=ML,CV,NLP,RO,SP,DM
http://csrankings.org/
可以关注CCF，CORE，QUALIS三个不同机构的会议评级

#####################下面来自[10]###################################
现在的SIGGRAPH要求有突破性的方法才能上，incremantal的会被直接灭掉。要有自己的想法，就必须看非常多同领域与同级别的文章。
对于灌水的文章，你也能大致猜想是其中的什么击中了reviewer（我一开始极力避免中文夹英文，我放弃了昂）的泪点痛点笑点G点，并最终讨好了他们。
很多时候，你自认为炫酷叼炸天的idea会在这里挂掉，已经有人做过了啊，完全不可能做出来啊，做出来也意思不大啊，问题本身就没意义啊，等等等等。

另一方面，实验总不能是一帆风顺的，很多时候，做着做着发现怎么不是想象的那样呢，这时候就需要再修正修正最初的idea，或者放弃了。这是经常发生的事，这是常态，所以当它发生的时候，千万别意外！
但图形学领域对论文简单阅读性的要求可能是超乎你想象的。论文一定要越简单越好，特别是要仔细推敲如何可视化地展示算法和结果以最方便读者理解你要表达的东西。那帮高冷的reviewer们可以以读不懂为理由把你文章拒掉的。

你应该不需要花1天的时间来理解任何一篇siggraph的计算几何/流体/图像处理识别/几何重建之类方向的论文, 对的我讲的是跨专业的(因为它们背后的原理很多是相通的). 你可以快速准确地follow出作者的动机和essential(别小看这一点, 我见过一些中国的博士生做不到的, 因为他们根本对自己领域不甚解)

很多siggraph也就是昙花一现因为它的内容也就是针对那一个问题, 没有什么扩展空间, 甚至换个参数就不work了. 只有你的work经得起考验, 它才会是一个很好很有影响力的工作, 所以一定要扔出自己的源代码, 让更多的人参与到对这个东西的应用和扩展上来.(这里我理解是让别人引用你的工作,增加影响力)
后续的发展也许比发paper更重要, 因为你要清楚明白, 自己的算法到底有没有"硬伤", 比如计算复杂度, implementation的复杂度, 它的robustness, 如果有硬伤, 解决硬伤的代价最好是可控的.

You must be very competent and dedicated: The smartest researchers around the world are competing each other to get papers into SIGGRAPH. If you think you are not competent or dedicated, forget about SIGGRAPH. It is not a place for you. If you think you are less smart, work even harder to fill the gap.You must forget about everything else and focus on SIGGRAPH: If you pay attention to your personal life or other jobs (classes, management, daily job, etc.), you must understand that SIGGRAPH is far away. You must give absolute priority to SIGGRAPH. Devote all of your time to polish your paper and demo to the limit.Pick the most promising research topic: It is crucial to find a good research theme. If you find a good goal, your work is mostly done. If a wrong goal is set, you are destined to fail. The best way is to come up with many possibilities, examine them carefully, and pick the best one. You must list 100 possible research ideas first, carefully investigate the possibility of 30 of them, implement 10 of them and see how it goes, and pick the most successful one in the end. You must understand that 100 good ideas are discarded in the process of producing one SIGGRAPH paper.Show your work to experts and discuss before submission: You will never win if you work alone and do not get any feedback from anybody. After all, people (reviewers) decide the fate of your paper and you must understand what they want and what they dislike. You will never get that critical information if you do not talk to them. You must go to conferences and show your ongoing work to experts.You must visit people, show your work, and have a discussion.Start early and revise your implementation and writing many times. The only way to create a good system and good writing is to repeat and polish. It is OK to start with a crappy one. It will eventually transform into a good one through iterative refinement. On the other hand, if you start late, you will never deliver a perfect one in time.Do not give up and try multiple times. SIGGRAPH is so competitive that even very good papers fail each year (almost randomly, depending on the reviewers you get). Even if you submit 10 perfect papers to siggraph, only 5 will probably get in. So it is important to submit a couple of (very good) papers to siggraph and continue to do so for multiple years. Single shot is like betting. No one knows whether you win or not. However, if you continuously submit good papers to siggraph, you will eventually win.

上面的来自:
https://link.zhihu.com/?target=http%3A//www-ui.is.s.u-tokyo.ac.jp/~takeo/writings/siggraph.html

假设前提：题主所投文章中的算法或理论完整、无严重漏洞、解决（或部分解决）了图形学中的某个问题。然后，如何才能被会议接收呢？我认为比较重要的一点是合理参考该会议的审稿思路，在投稿前将审稿人会问到的问题先问自己一遍。以CGF系的会议（EG/EGSR/PG等）为例，评审关注的内容（即审稿模板中的条目）主要为：
Practibility - 文章在实际应用中能解决什么问题，能否（在某些领域）取代你对比的那些算法，如 @Yong He 所说。
Technical soundness - 文章中使用到的方法或技术是否可信？是否有理论基础？相关文献或来源是什么？
Reimplementation - 别人阅读了你的文章能否把算法实现出来？不能的话，你懂的。
Evaluation - 评价、对比是否有说服力？你算法的优越性不是靠说出来，而是评审看了你的数据、图表、效果图，自己就能立刻得出结论。
Writing - 没有老外或大牛代笔的话，找个国外润色网站吧，AJE之类的。
把上述问题问自己一遍，一定程度上能提高命中率。当然，前提是你的文章本身要言之有物。

我导师当时问我们的问题也许能说明一下。你要做什么，
你的动机，
这个东西有什么问题，
别人用什么方法解决了，
别人的问题在哪里
你如何改进或解决这个问题
以上是需要写在siggraph模式Introduction阐述清楚的问题，同时也奠定全文内容。

国内最好的4个图形学研究所大概如下(排名无先后)：
清华计算机系、中科院深圳先进院可视计算中心、浙江大学、微软亚洲研究院。

导师说，投吧，投吧，起码能收获专业评论

再一句话分享投中2次sig的学长的经验。编程现学现用，创意+不错视觉效果。

学图像领域的相关：（小硕主要关注的是会议）
MICCAI
ISBI
SPIE
ICPR
ICIP

#####################下面来自[11]###################################
哦，还有一点不得不提的是，很多年轻的教授，特别是很多牛校的年轻教授，功利心很强。为了提高自己的引用度什么的，会出现不允许学生发小会的情况。比如，会要求学生用整个PhD的时间（5年甚至更多），去搞一个特别牛的research，成功了发个世界顶级的journal然后毕业走人，失败了就完了。这些学生压力特别大。research本来就是一个探索的过程，谁知道会不会成功。这么孤注一掷对教授当然好，但是对学生就很不友好了。

#####################下面来自[12]###################################
理论paper的话：最强的在STOC或FOCS，或者annals of stats。逼格比其他的不知道高到哪去了。。。。。。。COLT平均质量比ICML或NIPS高。最大的好处是不会因为不做实验而喷你。Reviewer非常认真，会在review里送你a simpler proof。但圈子太小，你中了best paper可能也没人吊你。ICML/NIPS：因为受众广，为了影响力，很多好paper会不投COLT投到这里，平均质量不如COLT。证明有错的paper不要太多=。=另外经常有reviewer喷你竟然不做实验！AISTATS/UAI: 小会，理论难度和ICML/NIPS差不多，实验要求稍低。ICLR：虽然theory paper少吧，但其实质量挺高的。其他AI conference的learning theory paper一般是不能看的=。=

#####################下面来自[13]###################################

神经网络加层，图模型加圈，优化目标加正则。
NLP里面以前是玩LSTM。。。CNN-LSTM, CNN-GRU
现在是换着法子玩attention

论文读多了发现，会议牛不牛和具体文章牛不牛基本是独立事件，特别是有那么多刚入门研究生水平的在审稿

如何发表顶会

推荐阅读更多精彩内容