发布时间：
会议论文发表方式有很多种：第一：自己写文章，自己翻译，自己找合适的会议，自己投稿，然后录用，自己注册会议。但是会议信息不是那么好找的，而且网上能够找到的会议信息都不是很权威，要投会议论文至少投个EI检索的会议稍微好些。如果找不到合适的EI会议，建议你百度搜：EI学术会议中心，里面有很多EI会议信息和发布的详细流程说明。第二：找相关机构弄，这个是当你没时间写论文或者写出论文被拒多次才用。毕竟这个方法花代价比第一条要大些。但是可以节约不少时间和精力。
1、论文题目：要求准确、简练、醒目、新颖。2、目录：目录是论文中主要段落的简表。（短篇论文不必列目录）3、提要：是文章主要内容的摘录，要求短、精、完整。字数少可几十字，多不超过三百字为宜。4、关键词或主题词：关键词是从论文的题名、提要和正文中选取出来的，是对表述论文的中心内容有实质意义的词汇。关键词是用作机系统标引论文内容特征的词语，便于信息系统汇集，以供读者检索。 每篇论文一般选取3-8个词汇作为关键词，另起一行，排在“提要”的左下方。主题词是经过规范化的词，在确定主题词时，要对论文进行主题，依照标引和组配规则转换成主题词表中的规范词语。5、论文正文：（1）引言：引言又称前言、序言和导言，用在论文的开头。 引言一般要概括地写出作者意图，说明选题的目的和意义, 并指出论文写作的范围。引言要短小精悍、紧扣主题。〈2）论文正文：正文是论文的主体，正文应包括论点、论据、 论证过程和结论。主体部分包括以下内容：a.提出-论点；b.分析问题-论据和论证；c.解决问题-论证与步骤；d.结论。6、一篇论文的参考文献是将论文在和写作中可参考或引证的主要文献资料，列于论文的末尾。参考文献应另起一页，标注方式按《GB7714-87文后参考文献著录规则》进行。中文：标题--作者--出版物信息（版地、版者、版期）：作者--标题--出版物信息所列参考文献的要求是：（1）所列参考文献应是正式出版物，以便读者考证。（2）所列举的参考文献要标明序号、著作或文章的标题、作者、出版物信息。
第一步. 调研、入门1. 确定一个感兴趣的大领域，比如分布式系统或者机器学习，或者深度神经网络。读这个领域经典算法和技术，也可以是几本比较好的书，读完然后再实践实践，动手加深理解。这个过程做完就算是初步入门了。2. 找该领域的顶级会议，比如系统领域的有OSDI、SOSP，机器学习的领域有ICML、CVPR，深度学习的有NIPS、ICLR等等，可以搜CCF会议推荐列表看各领域的顶会列表。然后看近几年这些顶会的论文，因为这代表了最新的研究热点，咱不是说一味的追热点啊，毕竟对于初学者没有足够的领域专业背景，追热点是最快的方法。因为热点往往是该领域最亟待解决的问题，往往是发展最快的小方向，也最容易产生新成果。如果是老问题，人家都研究十几年了，给你留下的待解决的问题就很少或者不是很重要。当然如果是有几十年经验的研究者就不必追热点，他们知道该领域哪些是fundamental的问题，哪些是最值得研究的问题。3. 读了这些前沿论文后，确定一个小方向，比如分布式系统是个大方向，小方向可能是机器学习分布式训练；大方向是深度学习，小方向可能就是graph embedding；大方向是机器学习，小方向可能是半监督学习等等。确定小方向的过程是个知识不断积累的过程，非常重要，这需要你对大方向有很多了解，对小方向有更深入更全面的理解，需要读好至少100篇以上论文，需要你知道该小方向的研究进展历史，这需要你知道该小方向别人都在哪方面做工作，做该小方向的顶级研究组都有哪些，他们正在干什么。第二步. 发现问题这步超级难，如果发现了个好问题，那就是成功的一半。这个问题最好是重要的、本质的、没有直观解决方法的。4. 确定小方向后，你需要阅读大量的这个小方向的论文和了解开源项目，再不断聚焦，再确定一个要改进和优化的小小方向，这个可能就是论文的主题。小小方向可能是机器学习分布式系统中的parameter server通信模型，可能是dynamic graph embedding等。然后就要更聚焦地读这方面的相关论文，这时候论文就比较少了，几篇到几十篇到几百篇都有可能，这些论文要精读，花几个月时间研究一篇论文也不为过。5. 挑几个重要的论文工作实现，也可以找开源的运行跑一跑试一试，idea往往从实际运行中来，光靠读是不行的。这个跑一跑可能需要你尝试不同的运行环境，不同的workload数据集，不同的应用场景等。比如，parameter server（PS）模型在本地集群上跑是不是和paper声明的一样、在异构的动态性极强的集群环境下效果怎么样、除了paper提到的算法处理其他算法的时候效果怎么样、除了paper提到的数据集换另外一类数据集怎么样；graph embedding方法处理密集图和稀疏图都怎么样，处理动态变化的图怎么样，等等吧。你要发现X方法仅在a环境下好用，在b环境不好用。这个就是发现问题的过程。当然，没经验的研究者可能很难想到多种环境、多种workload、多种应用场景，这就需要积累。另外一个发现问题的方法是从实际生产中来，这个当然是最好的，但是往往是大企业环境下才有这个条件。6. 确定你发现的问题还没有被解决。这又需要广泛的阅读和调研，但是问题已经很聚焦了，搜索也会很容易，用你特定问题的关键字在google 搜索（这里强烈建议用google，其他搜索引擎基本搜不到），找到解决相关问题的论文。看看这些论文是不是已经解决了该问题，如果解决了，你有两种方案：第一，该问题已经解决的非常好了，放弃解决该问题。第二，该问题的解决方案还有问题，我还有更好的办法。我建议后者，最起码尽量尝试尝试。5和6步是个迭代的过程…第三步. 分析问题7. 分析问题产生的本质原因。这个往往和第5步发现问题同时进行。这一步靠的是功底和积累，靠的是对问题的理解程度。理解的越深刻，分析的越透测，你之后产生的解决思路就越有可能正确和有效。比如分布式机器学习的PS模型在异构环境下、和在处理数据不均匀的情况下就不好，本质原因是其同步的集中式通信模型，造成PS集中服务器往往需要等待。传统graph embedding方法采用批处理模式，需要graph的全局信息做embedding，当然无法应付动态性非常强的局部更新情况。8. 基于分析，就是对该问题的深刻理解，产生改进的idea。这个可能很难，可能靠运气，但我觉得更多的是靠对问题的理解程度，理解的越深刻，本质原因抓的越准，就越可能产生创新idea。读过一本介绍google企业文化的书，google产品的成功，既不是靠技术能力，也不是靠用户需求，而是靠技术洞见（insight），这就是对问题本质的深刻理解。比如，PS模型在某环境下问题的本质原因是集中式的同步模型，那么我们就可以提出尝试异步通信的模型的idea。分析能力跟个人的批判性思维、独立思考能力都有关，而这正是中国人欠缺的，可以通过读有深刻见地的书籍文章、经常提问来锻炼。第四步. 解决问题9. 实现你的idea，做大量实验验证。这需要动手能力，需要编程能力，需要坐得住。10. 验证你的解决方案，根据实验分析不断优化你的方法。做了大量试验后，得到了若干结果，可能是不好的结果，但是不要一下子否定自己的解决方案，这不能说明你的idea不好用。一个好的方法往往经过千锤百炼，同样，你的idea通常不会一下子就成功。需要你根据实验结果分析不好的原因，然后基于你的理解改进方法，这是一个反复不断迭代的过程。比如，你发现异步PS模型效果还不如原来的呢。那么关键的是，你要问自己为什么？为什么理应提升的却没有提升？你要看实验运行的日志，看看是哪里慢了，差在哪里，最后你经过不断的实验、分析、思考，你发现了，你提出的异步PS模型虽然没有了等待开销，但是计算的有效性却降低了，结果整体性能反而下降了。那么你下一次迭代就要想怎么把这个计算有效性提上来。我又有了个方法，可以评估每次计算的有效性，然后把计算资源都投到有效性高的计算上。OK，idea不错，那么怎么评估有效性呢？不能开销太大，否则又得不偿失了，你可能想到了一种近似地评估方法。重新实现后，发现效果还不错。OK，恭喜你！你可以准备发论文了！整个研究过程，导师将起到关键的作用。导师可能会给你个问题，这是难能可贵的，基本帮你做了一半的事了，否则你可能需要花上一年时间找问题。然后整个研究过程，都是在导师的引导下进行，需要定期向导师汇报，与导师讨论idea和请导师分析实验结果。最好自己也要经常找同门讨论，而不是闭门造车。第五步. 撰写论文11. 设计你的论文，草拟论文的骨架。每一章都写啥，每一段都写啥，实验都做啥。论文的逻辑往往比语言重要的多，逻辑合理的论文更易读懂，即使咱华人有天生的英语语言缺陷，但是好的逻辑就可以弥补这个不足。写论文就和讲故事一样，怎么能把一个事说明白，不那么简单，甚至说很难，需要不断锻炼。写完给老师看，老师同意后进行下一步12. 写作论文。这个就是根据骨架填肉的过程，但是这一步也不简单，特别对于英语不好的同学，写出来的东西简直是不忍直视、不堪入目、毁人三观。最近上海某高校老师辱骂学生这事就是因为这个，我可以说，我每次看到学生论文也都是这个心情，给学生通宵改论文在家里一边改一边骂，但是当面对学生还是要以鼓励为主，要耐心，要耐心，要耐心，尽力压制自己的怒火，以平和的心态帮助学生提高，期望他下次能给个更好的版本。但是往往事与愿违，看淡点吧，仅求写作态度好点就行了，毕竟这不是一朝一夕能提高的，需要你不断积累。有几个写作的方法吧。第一，不要自己想当然，对于不确定的句型，用“”扩上上google搜，看看你这句型有多少人用过，如果没有几个人用，那就别用，换个写法。第二，读别人论文时，遇到好的句型就记下来，不断积累才能提高。第三，避免一切语法错误，我觉得这个是可以做到的，现在网上那么多工具都可以用。语法错误都避免不了那基本就是态度问题。遗憾的是，我很少遇到能避免语法错误的学生，我生气往往是因为态度问题，而不是能力问题。第四，尽量用短句用简单句子，别用长句。你写论文是为了让别人理解你的方法，不是写文艺作品，能说明白就行。13. 提炼总结，改进方法。写作的过程也是屡顺自己思路的过程，写作的过程中往往也能发现自己方法的漏洞，那么就要继续回到8，重新思考解决方案，又或者你发现需要补实验来支撑你的论点，那么就继续实现系统做实验，得到实验结果。14. 关于实验。怎么做实验是学生总问的问题，怎么做科学实验也是一个很重要的问题，有对照组、无偏的、定量的，这些都是科学实验的重要要素。如果有解决该问题的其他方法你首先要说明你的方法更好，至少在某一方面更好，这其中可能要涉及到不同的执行环境，或不同的算法数据集。然后设计实验说明你的方法好在哪里，用实验数据说明，比如异步PS和同步PS对比。然后你要进一步用实验数据说明，异步PS的有效性也提高了，如果不考虑有效性的话那么结果就不好。然后你的方法是否有些重要的超参数，试试variation导致各种结果。在实验结果展示方面，要学会用各种工具画各种图，把重要的因素用可视化方式体现出来。第六步. 投稿和看待审稿意见15. 接下来就是投稿。选一个合适的会议或期刊投稿，这个可以听老师的，老师基本有这方面的常识，根据你工作的方向和档次选择合适的去处。确定好了哪个会议期刊后，就需要按照会议期刊要求来整理论文格式，latex是必会的工具了。之后赶在deadline之前提交论文，这个最后的几天可能很痛苦，因为你的论文和方法总有改进的地方，老师的要求会让你最后几天是最忙的几天。但是需要认识到，凡事无完美，你总也改不到完美，你需要一个deadline来督促你完成一个milestone。开始进一步工作或下一个工作。16. 看待评审意见。接下来是漫长的等待，会议一般是2-3个月的时间，结果可能是接收也可能是拒掉，相比于结果，更应该看评审意见，看看这些意见是否合理，是否能解决，无论是接收还是拒绝，然后接下来就再次回到解决问题的部分，再次开始优化方法的过程。如果是接收了，那就可以准备订机票开会旅游去了。如果是拒掉那一般是有比较大的问题，那就再仔细深思下一下你的方法。继续优化，还是降低档次投个差点的会，就看你导师的了。第七步. 后续17. 宣传你的工作，扩大影响力。首先你可能是要去参加会议，做个漂亮的ppt，反复演练，争取有比较好的演讲效果。有时你导师有机会去一些地方做报告，把这个工作介绍一下，都是扩大影响力的方法。18. 开放源码。还有是尽量把自己工作的代码和数据开放，挂到网上，让别人来使用，接受别人的改进意见或者是简单的debug。咱不是专业的工程人员，也不用指望你的成果可以马上用于生产，个人觉得开放代码主要是为了让别人更好滴了解你的方法，这有助于扩大影响力，产生后续研究工作。如果有人引用你的论文、或咨询论文内容、又或是使用了你的代码和数据，这也算是你对整个科研事业有那么一丁点的贡献了，这比水论文有意义多了。整体来说，发表论文需要你有：批判思维能力，动手能力，知识面，写作能力，表达能力，英语，韧劲（抗打击能力）等等一系列能力，如果在研究生期间真能发表一篇论文，经历了以上这么多磨难和锻炼，我想你的能力也是不知不觉提高了很多，成为了该小小方向的一个小小的专家了。这对你来说，是最最重要的。这里我提到了韧劲，就是说，在解决问题过程中，你会受到不断的打击，包括来自导师的、来自自己的实验结果方面的、来自评审意见的，但是你要做的就是，站起来，继续凿，直到导师满意，知道reviewer满意，直到大家满意。别把这事想简单了，当你想象一下周围好多人都发好多sci了，而你还在为这么一篇完全未知结果的论文而这么努力的时候，我觉得大部分人可能就是缺少这个韧劲才最终以失败告终的…最后，我想再强调一下，发论文不是简单地发论文，而是通过发论文宣传你的工作，以便对某技术或人有那么一丁点影响。无论你发哪个档次的论文，只要目标正确，我觉得你都会有收获和有贡献的。相比较于为了发论文而发论文，你会觉得你是那么地高尚和高大，他们只是造废纸，而你已经对社会有贡献了…（以上内容来源于学术堂）
1、找到与你相关的“会议”的“征文通知”；2、根据《会议通知》要求，准备论文——投稿——汇款（如该会议需注册费、版面费等费用的话）——参加会议（一般还有会务费）——获取论文集。
1、国际学术会议一般先由主办国发会议邀请函，确定会议的主题，然后是围绕此主题的有关学术交流。如果是个人了解后想参加此次学术会议，则需联系国内的联络组织或联络人员，先申请，得到许可后，再进入下一步工作。凡得到许可的往往会有二至三次的通知函。2、要清楚是哪国承办的，承办国的语言为主要语言，英语是通用语言，要弄清楚会上交流是否接受中文，如接受会有同步翻译，如不接受中文则大多选择英语为论文语言。3、论文形式一般先要有简单的摘要，然后才是正文，便于主持人介绍。4、国际学术会议论文课题一般要有一定的先进性与创新性，尤其要注重创新，才会在交流中获得成功。5、论文格式与国内所写基本相同。
目前，公认的计算机视觉三大会议分别为ICCV,ECCV,CVPR。1、ICCV ICCV的全称是 IEEE International Conference on Computer Vision，国际计算机视觉大会，是计算机视觉方向的三大顶级会议之一，通常每两年召开一次，2005 年 10 月曾经在北京召开。会议收录论文的内容包括：底层视觉与感知，颜色、光照与纹理处理，分割与聚合，运动与跟踪，立体视觉与运动结构重构，基于图像的建模，基于物理的建模，视觉中的统计学习，监控，物体、事件和场景的识别，基于视觉的图形学，图片和的获取，性能评估，具体应用等。ICCV是计算机视觉领域最高级别的会议，会议的论文集代表了计算机视觉领域最新的发展方向和水平。会议的收录率较低，以 2007 年为例，会议共收到论文1200余篇，接受的论文仅为244篇。会议的论文会被 EI 检索。2、ECCVECCV的全称是Europeon Conference on Computer Vision，两年一次，是计算机视觉三大会议（另外两个是ICCV和CVPR）之一。很明显，ECCV是一个欧洲会议，欧洲人一般比较看中理论，但是从最近一次会议来看，似乎大家也开始注重应用了，oral里面的demo非常之多，演示效果很好，让人赏心悦目、叹为观止。不过欧洲的会有一个不好，就是他们的人通常英语口音很重，有些人甚至不太会说英文，所以开会和交流的时候，稍微有些费劲。3、CVPRCVPR的全称是Internaltional Conference on Computer Vision and Pattern Recogintion。这是一个一年一次的会议，举办地从来没有出过美国，因此想去美国旅游的同学不要错过。正如它的名字一样，这个会上除了视觉的文章，还会有不少模式识别的文章，当然两方面的结合自然也是重点。
一、文章质量要符合发表的基本要求文章的质量是一个很抽象的东西，但也有一个大致通用的标准，即，观点正确，文字通畅，逻辑严密，结构合理，结论有创新，等等。如果您有了这样的文章，就可以进行下一步投稿的事情了。但是，由于我国学术界的特殊情况，文章质量达到发表的要求并不是太难的事情，或者经过我们的修改就可以发表。关于质量，可以参考日本质量专家的话，质量的核心是实用性。二、文章的选题要符合刊物的定位，不能乱投稿大家都知道，每一个刊物或者杂志都有自己特定的宗旨、栏目和专业定位，投稿前必须先对此进行了解，弄清楚目标杂志是哪个方面的。还要搞清是季刊、双月刊、月刊还是半月刊、周刊，这直接影响您的稿件发表的速度。三、文章格式要规范，还需控制字数学术性期刊的格式是非常严格的，论文的格式可以参照你所投刊物的要求去做。至于字数，因为很多刊物是按计空格字数收费的，所以，您要根据需要确定文章的字数，省得花冤枉钱。比如，高校评中级职称一般3500字就可以了，社会上评高级会计师、高级工程师等，3000字以上即可。还要注意，如果文章有图表，则要适当增加版面。四、提前投稿，尽量提前2—3个月投稿一般的学术刊物，从接收稿件到样刊出来，需要2-3个月。如果是核心刊物，则需要半年，或许更长时间。虽然最近几年，有很多刊物变成了月刊、半月刊，甚至旬刊，但还是提前准备为好。投稿云平台就是一个可靠的服务平台
1、投稿原则欢迎任何领域、任何国家、任何行业人士投稿。（不可包含任何政治议题或破坏国家主权的内容）本期刊分为《元域宙-理论》何《元域宙-实践》。2、实行会员制无论是科研界、工业界、服务界、直播精英、家庭自主生活人士等等，都可以免费申请成为本期刊会员，遵守本期刊的发表原则以及规定。会员之间的交流互动与本期刊无关。成为会员步骤：（1） 提交申请意愿登录以下任意管道或通过本期刊任一学术编委提交申请：·《Metaverse》期刊官网：https://site-5431064-4471-7831.mystrikingly.com/·承办出版社YipChing Publishing House Limited（HKSAR)官网：https://site-5431064-9723-4795.mystrikingly.com/·投稿与学术秘书邮箱： / （2） 接收邮件，填写会员信息，签署会员遵守协议（3） 期刊编辑部审核会员信息（4） 期刊发送会员编号，接收邮件（5） 通过邮箱或官网投稿（观点、政策、学术论文、创新发明等），请附带会员编号3、稿件形式学术期刊：8000字左右，图表分析、程序设计代码、参考文献等字数不限制。观点：300字以内，简明扼要能表达自我观点。政策：包括提案在内5000字左右，图表分析、程序设计代码、参考文献等字数不限制。·投稿与学术秘书邮箱： / 、稿件主题1.元域宙总体构架；2.元宇宙的域治理；3.元域宙的资信体系；4.元域（宇）宙金融基础设施；5元域宙的信息化基础设施；6.教育元宇宙（元育宙）；7.创新元宇宙；8.工匠元宇宙；9.认知（出版、自治）元宇宙；10.智库元宇宙的域治理；11.元宇宙的道德生态体验；5、稿件参考内容应用场景研究1、新兴零售业电子商务解决方案利用云服务处理流量波动问题，扩展业务运营、降低成本2、电商直播迅速简捷设定全方位实时购物平台3、新零售解决方案新零售时代下，实现传统零售业转型4、零售业大资料咨询服务协助零售商迅速规划数码化旅程5、全局资料中台专为大数据建设、管理及应用的全局解决方案6、网上商店专用云端 POS 和远程支付解决方案所有操作集中于同一云端 POS 系统之中7、对话式 AI 服务全管道内置 AI 人工智能驱动、拟人化、多语言对话的聊天机械人8、金融服务云端金融科技为云端商家提升客户满意度9、金融科技数据库解决方案善用专为金融科技而设的云端原生数据库解决方案10、数码信贷透过大数据及人工智能减低信贷与风险11、外汇建立快捷且安全的全球外汇平台12、媒体电商直播迅速简捷设定全方位实时购物平台13、体育赛事与盛会现场直播在互联网上流畅直播体育赛事与盛会，与全球观众同步14、农场远程建设将内部算图农场连接云端15、个人化内容推荐建构探索服务，有助客户寻找最适合的内容16、媒体存盘保障您的媒体存盘17、游戏解决方案针对页游、手游等不同场景根据业务需求弹性伸缩的游戏解决方案18、游戏专用云端数据库解决方案19、网上教育迅速建构网上教育平台，专为遥距教学而设的加速全球联网方案 ，在教学系统与遥距学生之间建立快速稳定的环球网络联机20、电信云端电讯解决方案，透过统一数据驱动平台，全程提供贯彻始终的客户服务21、电讯商适用的超级应用程序建构全方位电讯与数码生活风格平台22、内部公用云端符合数据保护法规，极致提升利润23、为各国电讯公司而设的客户互动平台提供多渠道流畅客户体验24、医疗保健与生命科学CT 影像分析，缩短 CT 影像分析时间，弹性高效能运算加速药物与疫苗研发，全基因组定序分析，提升病毒扫描及侦测效率，疫症预测，对疫症进行预测25、用智慧技术数字化运动赛事，降低成本的人工智能体育赛事直播服务，专业的广播转码与讯号分发管理服务，智能互动赛事指南
1.写作一篇大概2000-2500字符的论文（一个版面的量，如果感觉太短，可以根据所需来写，不过版多，费用也就高了）论文要求论证有理有据，语句通畅，没有语病，和错词，查重要在百分之三十左右2.根据自己的专业，和发表的要求（如需要省级，还是国家级，需要知网收录，还是万方，龙源，维普）还有就是预算（有的杂志几百，有的上千）。再有一个就是版面时间了，（就算自己再想发哪个杂志，版面时间不合适，也是白搭）3.选好杂志后，就是投稿了，投稿成功了，杂志社，会以电子稿的形式，发一个录用通知的。4.打杂志社的版权页上在的电话查稿就可以了（这个可以通过收录的网站进行，杂志社电话验证的）5.查稿确定了，付版面费。6.收杂志（出刊后会给作者一本或者两本杂志的，多个作者两本样刊，一个作者一般是给一本样刊）7.出刊后的1-3个月文章上传到网上。
还能怎么发呀，自己投稿呗，不想耽误时间就去那个壹品优刊网，还真是省心。
这个我不清楚 从网上给你找来的资料 希望对你有帮助讨论】人工智能哪个学校最厉害 ？清华、北大、中科院计算所、南大……都有AI相关的国家重点实验室。中科院计算所智能信息处理重点实验室（史忠植院士组）中科院自动化研究所模式识别国家重点实验室合肥有个人工智能机械研究所AI的范围很广,包括很多子领域,具体到哪个老师的话或实验室的话,比较强的有:1.清华智能技术与系统国家重点实验室: 张钹院士 马少平组:信息检索 孙茂松组:自然语言处理2.清华大学自动化系: 张长水组:机器学习,模式识别3.北大视觉听觉信息处理国家重点实验室: 封富举组:生物特识别(人脸识别),机器学习 查洪彬组:计算机视觉,机器人,三维图象4.北大计算语言学研究所:自然语言处理5.南京大学LAMDA周志华组:机器学习，模式识别,进化计算6.哈尔滨工业大学语言语音重点实验室: 李生,刘挺:信息检索,自然语言处理7.中科院计算所机器翻译实验室刘群:机器翻译浙大在计算机图形学，计算机视觉方面,除了MSRA以外,应该是国内最强的了.从在AI顶级会议和顶级杂志上发表的论文数量来看，清华和南大的周志华组是最厉害的.计算机国家级重点学科和重点实验室中国科学院软件研究所：实验室名字就叫做“计算机科学国家重点实验室”。目前，该实验室是国内唯一一个以从事计算机科学和软件方法与技术的基础研究为主的国家重点实验室。中国科学院自动化研究所：模式识别国家重点实验室。实验室以模式识别基础理论、图像处理与计算机视觉以及语音语言信息处理为主要研究方向，研究人类模式识别的机理以及有效的计算方法，为开发智能系统提供关键技术，为探求人类智力的本质提供科学依据。清华大学：体系结构和智能工程方面。起初学校有《计算机系统结构》和《模式识别与智能系统》两个国家级重点学科，现已拥有计算机科学与技术的国家重点学科。（后者属自动化一级学科）北京大学：软件和应用两个方向可谓全国第一，有王选院士和杨芙清院士坐镇。拥有“视觉听觉信息处理”和“文字信息处理”国家级重点实验室（国内首开Case先河的青鸟系统出于此）想必方正软件和北大青鸟大家都如雷灌耳吧！再次，北大拥有计算机科学与技术的国家重点学科。浙江大学：拥有CAD/CG（计算机图形学和计算机辅助设计）国家级重点实验室。拥有计算机应用技术专业的国家级重点学科。北京航空航天大学：软件开发环境国家重点实验室。是在计算机软件理论、技术和开发环境等方面开展基础、应用基础与竞争前高技术的开放式研究基地，是创新型高层次人才的培养基地。也拥有计算机科学与技术的国家重点学科。国防科技大学：一开始只拥有系统结构专业的国家级重点学科，现在以拥有计算机科学与技术的国家重点学科。银河系列大型机也许正是我们选择国防科大最充分的理由。哈尔滨工业大学：拥有全国第一个的计算机应用专业的国家级重点学科（当然了，现在很多学校都有了），现在哈工大以拥有计算机科学与技术的国家重点学科。学校智能机器人是相当有名的。现还拥有计算机信息内容安全国家重点实验室、计算机接口技术与接口系统国家重点专业实验室。南京大学：起初拥有计算机软件与理论专业的国家级重点学科和计算机软件新技术国家级重点实验室。现在也拥有计算机科学与技术的国家重点学科。学校的软件专业甚至涉足操作系统软件的开发研究。东北大学：拥有软件工程国家级工程研究中心。朋友们听说过东大阿尔派软件吗？水平可见一斑。数据库技术也是该校的强项。东北大学也拥有计算机应用技术的国家级重点学科。东南大学：拥有计算机应用技术专业的国家级重点学科。网络方向是其特色，已故的顾冠群院士是中国第一个计算机网络方向的院士。上海交通大学：本拥有模式识别和智能系统的国家重点学科和计算机软件与理论的国家重点学科。现以拥有计算机科学与技术的国家重点学科。西安电子科技大学：拥有ISN(综合业务网）的国家级重点实验室，信号处理专业力量很强，如密码学等。中国科技大学：拥有计算机软件与理论学科国家级重点学科。吉林大学：拥有计算机软件与理论的国家重点学科。武汉大学：软件工程国家重点实验室，计算机软件与理论学科国家级重点学科。华中科技大学：拥有计算机系统结构专业的国家重点学科。西北工业大学：拥有计算机应用技术的国家重点学科。复旦大学：拥有计算机软件与理论的国家重点学科。四川大学：拥有计算机应用技术的国家重点学科。安徽大学：名不见经传的她也拥有计算机应用技术的国家级重点学科。总结： 拥有计算机方面国家级重点学科的高校如下：计算机科学与技术（一级学科国家重点学科，即以下三个方向都是国家重点学科，这7个学校都是07年新增的）：北京大学、北京航空航天大学、国防科学技术大学、哈尔滨工业大学、南京大学、清华大学、上海交通大学；计算机系统结构：华中科技大学；计算机软件与理论：吉林大学、中国科技大学、武汉大学、复旦大学；计算机应用技术：东北大学、东南大学、浙江大学、安徽大学、西北工业大学、四川大学； 哈工大西北工大我认为清华最牛，中科院系统（包括自动化所、计算所和中科大）其次，然后是上交、浙大和南大。如果去了这几所学校，任意导师都可以吧，只要运气别太差。但是要提到的是如北邮、北工大、南航、南理工这样的学校也都有相当不错的导师，但是就要碰运气了。
这个我不清楚 从网上给你找来的资料 希望对你有帮助
近日，被誉为全球计算机视觉三大顶级会议之一的ECCV 2022（European Conference on Computer Vision）发布了论文录用结果。 本届ECCV论文录用率不足20%， 其中，由云工业软件企业三维家图灵实验室与国内外顶尖高校合作撰写的论文——《通过强化学习解决室内场景相机定位问题（Towards Accurate Active Camera Localization）》成功入选！
01
三维家首次入围国际顶会 技术有望率先在家居场景落地
ECCV每两年举办一次，与CVPR和ICCV并驾齐驱，被称为国际计算机视觉领域三大会议。随着AI人工智能技术的发展，计算机视觉的研究和应用逐渐深入，每届ECCV的举行都会吸引大量来自世界各地的顶尖专家学者、研究机构及企业等投稿。
而今年ECCV 2022的总投稿数超过了8170篇，接近上一届的两倍，创下 历史 新高。其中有1629篇论文中选，录用率不足20%。
此次三维家入选的论文是与山东大学、北京大学、斯坦福大学、腾讯AI lab共同完成，论文中创造性地提出利用强化学习算法解决室内场景相机定位的问题。研究结果表明，该方法优于当前最先进的马尔可夫定位方法，能有效提高在仿真场景中相机定位的精准度。
三维家图灵实验室负责人王胜表示，此次入选对于三维家来说是一次学术上的飞跃。在应用层面，该研究可以深度运用在智能设计领域，三维家旗下3D云设计等产品能加以应用和落地，呈现更真实、更优秀的视觉效果。
“在AI智能设计领域，三维家走到了世界学术最前沿。我们将利用这些最前沿的技术服务我们的用户。”王胜说到。
02
四大技术实验室 锻造三维家科研硬实力
近年来，在加快建设 科技 强国，实现高水平 科技 自立自强的战略方针下，越来越多的中国 科技 企业频频亮相国际学术顶会，让世界看见中国前沿 科技 力量的崛起。其中，三维家正逐渐走向台前，传递国产自研的云工业软件企业的信念与坚持。
创立于2013年，三维家基于人工智能、大数据、云计算等技术，以一张“图纸”贯穿家居全产业链，通过3D云设计、3D云制造、数控系统三大工业软件矩阵，帮助家居企业、从业者实现门店营销、仿真设计、生产制造全流程一体化，为消费者带来“所思即所见、所见即所得”的家居消费体验。
工业软件是一条长期主义的道路，而技术引领需要长期的研发创新。据了解，三维家拥有数百人的技术研发团队，每年投入上亿元研发资金，并设立三大实验室——阿凡达实验室专注于3D渲染技术和XR新锐技术，图灵实验室深研人工智能和大数据应用，鲁班实验室则主攻云工业建模、云工业制造核心技术难题。
定位家居行业云工业软件服务商，三维家深刻认识到要改变传统制造业重硬轻软、长期依赖国外软件的现状，不能只停留在“纸上谈兵”。2020年，三维家与中国科学技术大学数学科学学院共建“先进制造联合实验室”，推动最新产研成果在家居行业落地应用。
合作很快就取得了成效——联合实验室以知名上市企业志邦家居为试验基地，三维家和中国科大算法团队通过深度学习志邦家居的业务流程，以软件技术优化材料算法，通过多订单混合排产使板材利用率提高2%以上，真正实现降本增效。
03
让更多技术人才走向台前 代表国产工业软件发声
为激发产研活力，三维家与国内顶尖院校、专家学者保持着频繁的学术交流。去年11月，包括中国科学技术大学刘利刚教授，浙江大学冯结青教授、蔺宏伟教授等中国顶尖的应用数学、几何建模、计算机图形学领域专家学者走进三维家，与三维家研发团队深度交流，进行元宇宙下的建模技术探讨。
今年，三维家推出“元矩阵” 科技 计划——与中国科学技术大学、华南理工大学、暨南大学等顶尖学府建立更深入的链接，有望在学术交流、“产学研”合作上走得更远；与阿里云、华为云、英伟达NVIDIA等技术伙伴深化合作，让三维家在实时光追渲染、图形建模、虚拟仿真等底层技术上接连突破，构筑起坚不可摧的技术护城河。
三维家创始人、CEO蔡志森曾表示，希望把一直处于幕后的技术研发团队推向台前，向行业、学术圈发出三维家的声音。近年来，三维家技术团队频频在顶级 科技 峰会上“献出首秀”，分享技术成果。去年阿里云栖大会上，三维家3D产品负责人曹健、解决方案架构师、中科院博士周子超等均亮相发表演讲，介绍三维家在企业上云、产业数字化等方面的突破。
而在8月即将举行的QCon全球软件开发大会上，三维家技术研究院基础平台负责人陈江豪将以“webassembly技术背景下工业软件云上实战”的主题进行分享。同时，在计算机辅助设计和图形学领域的“奥斯卡”CAD&CG大会、华为HC全链接大会、英伟达GTC China等峰会上，也将看到三维家的强势发声。
结语：
科技 创新的背后，是企业对前沿技术的 探索 、对商业模式的不断打磨，和对产业场景的落地应用，这需要有长期主义的坚持。三维家正在将论文研究、产学研合作成果、自研技术优势等优先应用在家居产业，让人工智能、大数据、云计算、XR、工业建模等技术能在更多商业场景中落地，为产业发展搭建起一条数字化的“高速路”。
人工智能和机器学习技术的快速发展，使得AI 主题会议也层出不穷，下面带大家一起了解一下人工智能领域的顶会都有哪些1. CVPR 国际计算机视觉与模式识别会议（CVPR）是IEEE一年一度的学术性会议，会议的主要内容是计算机视觉与模式识别技术。CVPR是世界顶级的计算机视觉会议（三大顶会之一，另外两个是 ICCV 和 ECCV ），近年来每年有约1500名参加者，收录的论文数量一般300篇左右。本会议每年都会有固定的研讨主题，而每一年都会有公司赞助该会议并获得在会场展示的机会。 2. ECCV ECCV 的全称是European Conference on Computer Vision(欧洲计算机视觉国际会议) ，两年一次，是计算机视觉三大会议（另外两个是ICCV和CVPR）之一。每次会议在全球范围录用论文300篇左右，主要的录用论文都来自美国、欧洲等顶尖实验室及研究所，中国大陆的论文数量一般在10-20篇之间。ECCV2010的论文录取率为27% 3.ICCV ICCV 的全称是 IEEE International Conference on Computer Vision，即国际计算机视觉大会，由IEEE主办，与计算机视觉模式识别会议（CVPR）和欧洲计算机视觉会议（ECCV）并称计算机视觉方向的三大顶级会议，被澳大利亚ICT学术会议排名和中国计算机学会等机构评为最高级别学术会议，在业内具有极高的评价。不同于在美国每年召开一次的CVPR和只在欧洲召开的ECCV，ICCV在世界范围内每两年召开一次。ICCV论文录用率非常低，是三大会议中公认级别最高的. 4. ICLR ICLR ，全称为「International Conference on Learning Representations」（国际学习表征会议），2013 年才刚刚成立了第一届。这个一年一度的会议虽然今年(2018)才办到第六届，但已经被学术研究者们广泛认可，被认为「深度学习的顶级会议」。这个会议的来头不小，由位列深度学习三大巨头之二的 Yoshua Bengio 和 Yann LeCun 牵头创办。 5. NIPS NIPS （NeurIPS），全称神经信息处理系统大会(Conference and Workshop on Neural Information Processing Systems)，是一个关于机器学习和计算神经科学的国际会议。该会议固定在每年的12月举行,由NIPS基金会主办。NIPS是机器学习领域的顶级会议。在中国计算机学会的国际学术会议排名中，NIPS为人工智能领域的A类会议。 6.ICML ICML 是 International Conference on Machine Learning的缩写，即国际机器学习大会。ICML如今已发展为由国际机器学习学会（IMLS）主办的年度机器学习国际顶级会议。 7. IJCV 国际期刊计算机视觉，详细描绘了信息科学与工程这一领域的快速发展。一般性发表的文章提出广泛普遍关心的重大技术进步。短文章提供了一个新的研究成果快速发布通道。综述性文章给与了重要的评论，以及当今发展现状的概括。 8. PAMI PAMI 是IEEE旗下，模式识别和机器学习领域最重要的学术性汇刊之一。在各种统计中，PAMI被认为有着很强的影响因子和很高的排名。 9. AAAI 国际人工智能协会。前身为美国人工智能协会，目前是一个非盈利的学术研究组织，致力于推动针对智能行为本质的科学研究 10. IJCAI IJCAI 全称为人工智能国际联合大会（International Joint Conference on Artificial Intelligence），是国际人工智能领域排名第一的学术会议，为 CCF A 类会议。该会议于 1969 年首度在美国华盛顿召开，随着人工智能的热度日益攀升，原本仅在奇数年召开的IJCAI 自 2015 年开始变成每年召开。 11. ACM/MM ACMMM 是全球多媒体领域的顶级会议，会议每年通过组织大规模图像视频分析、社会媒体研究、多模态人机交互、计算视觉、计算图像等影响多媒体行业的前沿命题竞赛，引领全球新媒体发展方向。 12. TNNLS 从英文翻译而来-IEEE神经网络与学习系统交易是由IEEE计算智能学会出版的月度同行评审科学期刊。它涵盖了神经网络和相关学习系统的理论，设计和应用。
还可以。
CVPR的workshop审稿还是很严格的。虽然reviewers和主会不是一套班子，但也都是来自Google/Facebook的顶级学者。难度上，CVPR workshop=B类主会>C类主会。
CVPR录用标准
CVPR有着较为严苛的录用标准，会议整体的录取率通常不超过30%，而口头报告的论文比例更是不高于5%。而会议的组织方是一个循环的志愿群体，通常在某次会议召开的三年之前通过遴选产生。CVPR的审稿一般是双盲的，也就是说会议的审稿与投稿方均不知道对方的信息。
通常某一篇论文需要由三位审稿者进行审读。最后再由会议的领域主席(area chair)决定论文是否可被接收。
目前，公认的计算机视觉三大会议分别为ICCV,ECCV,CVPR。1、ICCV ICCV的全称是 IEEE International Conference on Computer Vision，国际计算机视觉大会，是计算机视觉方向的三大顶级会议之一，通常每两年召开一次，2005 年 10 月曾经在北京召开。会议收录论文的内容包括：底层视觉与感知，颜色、光照与纹理处理，分割与聚合，运动与跟踪，立体视觉与运动结构重构，基于图像的建模，基于物理的建模，视觉中的统计学习，监控，物体、事件和场景的识别，基于视觉的图形学，图片和的获取，性能评估，具体应用等。ICCV是计算机视觉领域最高级别的会议，会议的论文集代表了计算机视觉领域最新的发展方向和水平。会议的收录率较低，以 2007 年为例，会议共收到论文1200余篇，接受的论文仅为244篇。会议的论文会被 EI 检索。2、ECCVECCV的全称是Europeon Conference on Computer Vision，两年一次，是计算机视觉三大会议（另外两个是ICCV和CVPR）之一。很明显，ECCV是一个欧洲会议，欧洲人一般比较看中理论，但是从最近一次会议来看，似乎大家也开始注重应用了，oral里面的demo非常之多，演示效果很好，让人赏心悦目、叹为观止。不过欧洲的会有一个不好，就是他们的人通常英语口音很重，有些人甚至不太会说英文，所以开会和交流的时候，稍微有些费劲。3、CVPRCVPR的全称是Internaltional Conference on Computer Vision and Pattern Recogintion。这是一个一年一次的会议，举办地从来没有出过美国，因此想去美国旅游的同学不要错过。正如它的名字一样，这个会上除了视觉的文章，还会有不少模式识别的文章，当然两方面的结合自然也是重点。