###################下面來自[1]########################
目前的論文審核主要分為單盲 （single-blind review）、雙盲 （double-blind review） 及開放評審（open review）等多種形式。單盲評審的含義非常簡單，即評審知道作者的名字、學校等身份信息，但作者并不知道評審論文的人是誰；而雙盲評審則是雙方都不知曉彼此的身份信息。這兩種方式為較多學術會議及期刊評審論文的主要途徑。單盲評審的優(yōu)勢非常明顯，即評審處于匿名身份，可以讓評審免受壓力，但評審由于知道了論文的作者信息，則非常有可能產生刻板印象，產生不夠客觀的評審結果。比如，對于比較有名的學者，評審會對論文的質量產生預設。而雙盲評審則能夠大幅降低作者個人信息所帶來的附加效應，不過，評審也非常有可能從行文、主題中判斷作者的信息。而 Open Review 則非常不同，根據規(guī)定，所有提交的論文都會公開姓名等信息，并且接受所有同行的評價及提問（open peer review），任何學者都可或匿名或實名地評價論文。而在公開評審結束后，論文作者也能夠對論文進行調整和修改。
https://chillee.github.io/OpenReviewExplorer/?conf=iclr2019
頂會:
ICML/ACL/NIPS/ICLR
###################下面來自[2]########################
多體會big picture，motivation,自己做，目標發(fā)一個tier 2的會議，比如 ACCV，WACV這樣的，個人不是十分推薦ICPR ICIP 這樣的會議，審稿人可能和CV的不是一個圈子的，而且 論文比較短，短文的問題是 你沒有足夠的空間去把一個問題做solid，做透徹。
模仿寫作，英語一定要學好，特別是表達，今年我review的eccv中有一篇國內的文章，idea非常棒，實驗結果也非常好，可惜英文表達得非常不好，總的來說，我看了差不多5次才勉強看懂文章的細節(jié)，結果我很可惜地只能給他拒絕了，因為別人根本沒辦法能夠看明白，特別是非中文母語的，我能夠看明白是因為我會中文，了解中國人行文思路和表達思路。
不知道你是哪個學校哪個實驗室哪個導師哪個方向的學生，實驗室有沒有發(fā)3大會的傳統，導師也有沒有發(fā)表過3大會，如果沒有，你想做到這個，需要很長很長時間的沉淀。當然，你肯努力認真工作，肯定有發(fā)表的機會。
給自己挖坑的時候，一定要小心，很多坑挖進去了，就出不來，這個是建立在你起碼有1到2年的論文積累基礎上才可以做到，你必須很耐心地熬過這個階段，和老板周旋你沒出活的日子，同時這個時間內你并沒有浪費時間在其他方面上
提高代碼能力，有idea可以快速實現。
要發(fā)頂會的話，比較有希望的一條路，你做的是小眾方向，競爭的人不太多。
###################下面來自[3]########################
一般實驗沒做好的話發(fā)到workshop并不能起到占坑作用...有時候甚至會適得其反。在workshop被人看到后用類似的idea刷出更impressive的performance反而中了頂會。尤其是一些simple but effective但是還沒做完善的idea，放出來感覺就是喊著讓大家快來搶坑...
#####################下面來自[4]###################################
最重要的一點是Idea， 也就是說要creative。 英文，語法，格式都是卵。nips，cvpr，icml雖然現在商業(yè)性質濃了，贊助商的paper容易中了，灌水的多了，但是不可否認他們是本領域的頂會。散戶，向我們這樣的學生，想投中最重要的不是像樓上說的那樣985就成，（這三大會的評委有幾個能認的出國內學校是不是985？）更不是像水專利那樣水論文。
按格式水中頂會的人有，但他必定不是散戶，肯定是國際大佬或者主辦方，贊助商的老師手下的學生才有那么一絲機會。我們普通學生這樣的散戶，你想像申請一個國內專利那樣中cvpr？洗洗睡吧。
我第一篇頂會是n年前，我碩士第一年寫的一篇IROS。當時英文超爛，代碼也搓，實驗效果也不咋地，能中完全是我那個idea比較新，創(chuàng)新點明確。reviewer 直接說我的 grammar sucks but idea is interesting。
最后來點干貨，在你成功的占領一個科研陣地，成為職業(yè)科研工作者之后，可以水一些一流二流的會，但是你的核心競爭力體現在你的paper中?？蒲腥藛T用paper說話。灌水的文誰都認識，你的聲譽和價值，在你的pup那一欄里一目了然。對于一個剛開始搞科研的后輩，我誠心的希望你不要為了水頂會而“寫”paper，請潛心的搞點子東西，搞出點有意思的東西再去“發(fā)表”paper。
#####################下面來自[7]###################################
例如以下幾個因素：運用定理或者公式、不含引用文章部分的文本長度合適、文章包含附錄、摘要包含評審感興趣的術語、詞語重復使用的頻率低等，都會增大論文獲選的幾率。
#####################下面來自[8]###################################
我感覺一年的周期大概是這樣的，掌握基本的代碼和學會閱讀文章需要3-4個月（對于基礎扎實的學生），形成一個問題靠譜的技術路線和論文雛形需要3-4個月，最后，把結果做出來和論文寫出來要3-4個月。
但是，我和很多導師都有同一個感覺，就是對于 很多本科生即使發(fā)表了一作頂會并不意味著研究能力就很強了，主要體現在idea，方向感，學科格局理解等研究的核心要素還是不行。這也就需要在博士階段繼續(xù)的錘煉。
寧靜以致遠吧.
https://link.zhihu.com/?target=https%3A//github.com/CSAILVision/semantic-segmentation-pytorch
而且之前發(fā)文章其實是屬于解決一個 well-defined problem，但真正做研究還是需要自己explore，提出并解決問題，自己這方面能力還差的太遠。
這個是陶哲軒的論文
https://terrytao.wordpress.com/career-advice/be-sceptical-of-your-own-work/
#####################下面來自[9]###################################
提到了以下鏈接:
https://aideadlin.es/?sub=ML,CV,NLP,RO,SP,DM
http://csrankings.org/
可以關注CCF，CORE，QUALIS三個不同機構的會議評級
#####################下面來自[10]###################################
現在的SIGGRAPH要求有突破性的方法才能上，incremantal的會被直接滅掉。要有自己的想法，就必須看非常多同領域與同級別的文章。
對于灌水的文章，你也能大致猜想是其中的什么擊中了reviewer（我一開始極力避免中文夾英文，我放棄了昂）的淚點痛點笑點G點，并最終討好了他們。
很多時候，你自認為炫酷叼炸天的idea會在這里掛掉，已經有人做過了啊，完全不可能做出來啊，做出來也意思不大啊，問題本身就沒意義啊，等等等等。
另一方面，實驗總不能是一帆風順的，很多時候，做著做著發(fā)現怎么不是想象的那樣呢，這時候就需要再修正修正最初的idea，或者放棄了。這是經常發(fā)生的事，這是常態(tài)，所以當它發(fā)生的時候，千萬別意外！
但圖形學領域對論文簡單閱讀性的要求可能是超乎你想象的。論文一定要越簡單越好，特別是要仔細推敲如何可視化地展示算法和結果以最方便讀者理解你要表達的東西。那幫高冷的reviewer們可以以讀不懂為理由把你文章拒掉的。
你應該不需要花1天的時間來理解任何一篇siggraph的計算幾何/流體/圖像處理識別/幾何重建之類方向的論文, 對的我講的是跨專業(yè)的(因為它們背后的原理很多是相通的). 你可以快速準確地follow出作者的動機和essential(別小看這一點, 我見過一些中國的博士生做不到的, 因為他們根本對自己領域不甚解)
很多siggraph也就是曇花一現因為它的內容也就是針對那一個問題, 沒有什么擴展空間, 甚至換個參數就不work了. 只有你的work經得起考驗, 它才會是一個很好很有影響力的工作, 所以一定要扔出自己的源代碼, 讓更多的人參與到對這個東西的應用和擴展上來.(這里我理解是讓別人引用你的工作,增加影響力)
后續(xù)的發(fā)展也許比發(fā)paper更重要, 因為你要清楚明白, 自己的算法到底有沒有"硬傷", 比如計算復雜度, implementation的復雜度, 它的robustness, 如果有硬傷, 解決硬傷的代價最好是可控的.
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.
上面的來自:
https://link.zhihu.com/?target=http%3A//www-ui.is.s.u-tokyo.ac.jp/~takeo/writings/siggraph.html
假設前提：題主所投文章中的算法或理論完整、無嚴重漏洞、解決（或部分解決）了圖形學中的某個問題。然后，如何才能被會議接收呢？我認為比較重要的一點是合理參考該會議的審稿思路，在投稿前將審稿人會問到的問題先問自己一遍。以CGF系的會議（EG/EGSR/PG等）為例，評審關注的內容（即審稿模板中的條目）主要為：
Practibility - 文章在實際應用中能解決什么問題，能否（在某些領域）取代你對比的那些算法，如 @Yong He 所說。
Technical soundness - 文章中使用到的方法或技術是否可信？是否有理論基礎？相關文獻或來源是什么？
Reimplementation - 別人閱讀了你的文章能否把算法實現出來？不能的話，你懂的。
Evaluation - 評價、對比是否有說服力？你算法的優(yōu)越性不是靠說出來，而是評審看了你的數據、圖表、效果圖，自己就能立刻得出結論。
Writing - 沒有老外或大牛代筆的話，找個國外潤色網站吧，AJE之類的。
把上述問題問自己一遍，一定程度上能提高命中率。當然，前提是你的文章本身要言之有物。
我導師當時問我們的問題也許能說明一下。你要做什么，
你的動機，
這個東西有什么問題，
別人用什么方法解決了，
別人的問題在哪里
你如何改進或解決這個問題
以上是需要寫在siggraph模式Introduction闡述清楚的問題，同時也奠定全文內容。
國內最好的4個圖形學研究所大概如下(排名無先后)：
清華計算機系、中科院深圳先進院可視計算中心、浙江大學、微軟亞洲研究院。
導師說，投吧，投吧，起碼能收獲專業(yè)評論
再一句話分享投中2次sig的學長的經驗。編程現學現用，創(chuàng)意+不錯視覺效果。
學圖像領域的相關：（小碩主要關注的是會議）
MICCAI
ISBI
SPIE
ICPR
ICIP
#####################下面來自[11]###################################
哦，還有一點不得不提的是，很多年輕的教授，特別是很多牛校的年輕教授，功利心很強。為了提高自己的引用度什么的，會出現不允許學生發(fā)小會的情況。比如，會要求學生用整個PhD的時間（5年甚至更多），去搞一個特別牛的research，成功了發(fā)個世界頂級的journal然后畢業(yè)走人，失敗了就完了。這些學生壓力特別大。research本來就是一個探索的過程，誰知道會不會成功。這么孤注一擲對教授當然好，但是對學生就很不友好了。
#####################下面來自[12]###################################
理論paper的話：最強的在STOC或FOCS，或者annals of stats。逼格比其他的不知道高到哪去了。。。。。。。COLT平均質量比ICML或NIPS高。最大的好處是不會因為不做實驗而噴你。Reviewer非常認真，會在review里送你a simpler proof。但圈子太小，你中了best paper可能也沒人吊你。ICML/NIPS：因為受眾廣，為了影響力，很多好paper會不投COLT投到這里，平均質量不如COLT。證明有錯的paper不要太多=。=另外經常有reviewer噴你竟然不做實驗！AISTATS/UAI: 小會，理論難度和ICML/NIPS差不多，實驗要求稍低。ICLR：雖然theory paper少吧，但其實質量挺高的。其他AI conference的learning theory paper一般是不能看的=。=
#####################下面來自[13]###################################
神經網絡加層，圖模型加圈，優(yōu)化目標加正則。
NLP里面以前是玩LSTM。。。CNN-LSTM, CNN-GRU
現在是換著法子玩attention
論文讀多了發(fā)現，會議牛不牛和具體文章牛不?；臼仟毩⑹录?，特別是有那么多剛入門研究生水平的在審稿
[1]https://www.zhihu.com/question/47940549/answer/329124002
[2]https://www.zhihu.com/question/277910619
[3]https://www.zhihu.com/question/311747123
[4]https://www.zhihu.com/question/66794633/answer/476947486
[5]https://www.zhihu.com/question/285673724沒有啥有用細膩
[6]https://www.zhihu.com/question/287514228沒啥有用信息
[7]https://zhuanlan.zhihu.com/p/37545956
[8]https://www.zhihu.com/question/271293179/answer/360192576
[9]https://www.zhihu.com/question/54878177
[10]https://www.zhihu.com/question/28422599
[11]https://www.zhihu.com/question/36404881
[12]https://www.zhihu.com/question/38424588
[13]https://www.zhihu.com/question/54025865
