计算机领域顶级会议

今天先谈谈AI里面tier-1的conferences, 其实基本上就是AI里面大家比较公认的top -Ib>S$  
conference. 下面同分的按字母序排列. 1z>{sU t  
9gs^%ucT4  
IJCAI (1+): AI最好的综合性会议, 1969年开始, 每两年开一次, 奇数年开. 因为AI pT./6Gs|  
实在太大, 所以虽然每届基本上能录100多篇(现在已经到200多篇了),但分到每个 n p$_;e  
领域就没几篇了,象machine learning、computer vision这么大的领域每次大概也 /x:  
就10篇左右, 所以难度很大. 不过从录用率上来看倒不太低,基本上20%左右, 因为内 fi/}ju  
行人都会掂掂分量, 没希望的就别浪费reviewer的时间了. 最近中国大陆投往国际会 pntq"m*  
议的文章象潮水一样, 而且因为国内很少有能自己把关的研究组, 所以很多会议都在 A1F d/E  
complain说中国的低质量文章严重妨碍了PC的工作效率. 在这种情况下, 估计这几年 0?_uopK/A  
国际会议的录用率都会降下去. 另外, 以前的IJCAI是没有poster的, 03年开始, 为了 S2A0#^%x%  
减少被误杀的好人, 增加了2页纸的poster.值得一提的是, IJCAI是由貌似一个公司 qo=oL}  
的"IJCAI Inc."主办的(当然实际上并不是公司, 实际上是个基金会), 每次会议上要 m01v%aP^  
发几个奖, 其中最重要的两个是IJCAI Research Excellence Award 和 Computer _cBp !u  
& Thoughts Award, 前者是终身成就奖, 每次一个人, 基本上是AI的最高奖(有趣的 Ku5<iE7`Tr  
是, 以AI为主业拿图灵奖的6位中, 有2位还没得到这个奖), 后者是奖给35岁以下的 Q AR8Z/#  
青年科学家, 每次一个人. 这两个奖的获奖演说是每次IJCAI的一个重头戏.另外, |//pej  
IJCAI 的 PC member 相当于其他会议的area chair, 权力很大, 因为是由PC member R. u,`MD7S  
去找 reviewer 来审, 而不象一般会议的PC member其实就是 reviewer. 为了制约 o/[#Z(W  
这种权力, IJCAI的审稿程序是每篇文章分配2位PC member, primary PC member去找 `(|Uq;1y  
3位reviewer, second PC member 找一位. fI Cp2l  
7Xe/XfO  
AAAI (1): 美国人工智能学会AAAI的年会. 是一个很好的会议, 但其档次不稳定, 可 (f6Gtly9  
以给到1+, 也可以给到1-或者2+, 总的来说我给它"1". 这是因为它的开法完全受 TW24~ /  
IJCAI制约: 每年开, 但如果这一年的IJCAI在北美举行, 那么就停开. 所以, 偶数年 33bR[kADDD  
里因为没有IJCAI, 它就是最好的AI综合性会议, 但因为号召力毕竟比IJCAI要小一些, f"eoy926  
特别是欧洲人捧AAAI场的比IJCAI少得多(其实亚洲人也是), 所以比IJCAI还是要稍弱 %q ;q^f*  
一点, 基本上在1和1+之间; 在奇数年, 如果IJCAI不在北美, AAAI自然就变成了比 m${PW2  
IJCAI低一级的会议(1-或2+), 例如2005年既有IJCAI又有AAAI, 两个会议就进行了协 pK|( s  
调, 使得IJCAI的录用通知时间比AAAI的deadline早那么几天, 这样IJCAI落选的文章 A:h6'I  
可以投往AAAI.在审稿时IJCAI 的 PC chair也在一直催, 说大家一定要快, 因为AAAI ">2? S/-  
那边一直在担心IJCAI的录用通知出晚了AAAI就麻烦了. 5P(`"3fO  
`7*jx/[  
COLT (1): 这是计算学习理论最好的会议, ACM主办, 每年举行. 计算学习理论基本上 rV=$R K  
可以看成理论计算机科学和机器学习的交叉, 所以这个会被一些人看成是理论计算 _/-gp$  
机科学的会而不是AI的会. 我一个朋友用一句话对它进行了精彩的刻画: "一小群数 / QjMwH  
学家在开会". 因为COLT的领域比较小, 所以每年会议基本上都是那些人. 这里顺便 OPyN.S0k  
提一件有趣的事, 因为最近国内搞的会议太多太滥, 而且很多会议都是LNCS/LNAI出 LiOLe4DR  
论文集, LNCS/LNAI基本上已经被搞臭了, 但很不幸的是, LNCS/LNAI中有一些很好的 6,d5}  
会议, 例如COLT. |38J}eN  
vv^nEA4eB  
CVPR (1): 计算机视觉和模式识别方面最好的会议之一, IEEE主办, 每年举行. 虽然题 8%n]A7>{$  
目上有计算机视觉, 但个人认为它的模式识别味道更重一些. 事实上它应该是模式识 ]/wN 1'!J  
别最好的会议, 而在计算机视觉方面, 还有ICCV与之相当. IEEE一直有个倾向, 要把 6VaC m4  
会办成"盛会", 历史上已经有些会被它从quality很好的会办成"盛会"了. CVPR搞不好 HP3,kJ8)Z  
也要走这条路. 这几年录的文章已经不少了. 最近负责CVPR会议的TC的chair发信 -N i!)osV+  
说, 对这个community来说, 让好人被误杀比被坏人漏网更糟糕, 所以我们是不是要减 c%s^d 8 -  
少好人被误杀的机会啊? 所以我估计明年或者后年的CVPR就要扩招了. Y0O{'j>A%  
t!2HO_V}  
ICCV (1): 介绍CVPR的时候说过了, 计算机视觉方面最好的会之一. IEEE主办, 每年举行 +)DLF)0t8C  
. TQ!@0O  
S?E#/hk`  
ICML (1): 机器学习方面最好的会议之一. 现在是IMLS主办, 每年举行. 参见关于NIPS的 &2nTO;]  
^]o0kd{  
介绍. /k@I]FYIr  
G?'_[gCG  
NIPS (1): 神经计算方面最好的会议之一, NIPS主办, 每年举行. 值得注意的是, 这个会 ?"){qEpt/4  
]7ew# d  
每年的举办地都是一样的, 以前是美国丹佛, 现在是加拿大温哥华; 而且它是年底开会, T[_(OU/o9  
^1$2ior;3  
会开完后第2年才出论文集, 也就是说, NIPS'05的论文集是06年出. 会议的名字是 !0'.4*^?  
"Advances in Neural Information Processing Systems", 所以, 与ICML/ECML这样 0.^Z *Q  
的"标准的"机器学习会议不同, NIPS里有相当一部分神经科学的内容, 和机器学习有 <pob&B;u/  
一定的距离. 但由于会议的主体内容是机器学习, 或者说与机器学习关系紧密, 所以 Ui,;Y7)  
不少人把NIPS看成是机器学习方面最好的会议之一. 这个会议基本上控制在Michael -$0 (MHqD  
Jordan的徒子徒孙手中, 所以对Jordan系的人来说, 发NIPS并不是难事, 一些未必很 !Uc%"$ F  
强的工作也能发上去, 但对这个圈子之外的人来说, 想发一篇实在很难, 因为留给"外 ~$1uL  
人"的口子很小. 所以对Jordan系以外的人来说, 发NIPS的难度比ICML更大. 换句话说, QS2>t_2V  
ICML比较开放, 小圈子的影响不象NIPS那么大, 所以北美和欧洲人都认, 而NIPS则有 JL/UA  
些人(特别是一些欧洲人, 包括一些大家)坚决不投稿. 这对会议本身当然并不是好事, a'J{T  
但因为Jordan系很强大, 所以它似乎也不太care. 最近IMLS(国际机器学习学会)改选 NM[9j*<  
理事, 有资格提名的人包括近三年在ICML/ECML/COLT发过文章的人, NIPS则被排除在 11>Dge  
外了. 无论如何, 这是一个非常好的会. [yjn En/  
*Tpg1 f'  
ACL (1-): 计算语言学/自然语言处理方面最好的会议, ACL (Association of -pbs#.bR  
Computational Linguistics) 主办, 每年开. x]?9q=^<  
.K#:N hY  
KR (1-): 知识表示和推理方面最好的会议之一, 实际上也是传统AI(即基于逻辑的AI) 2W&c  
最好的会议之一. KR Inc.主办, 现在是偶数年开. Ydb" o g.  
0'_F2p@Y%  
SIGIR (1-): 信息检索方面最好的会议, ACM主办, 每年开. 这个会现在小圈子气越来 >nU12|MV  
越重. 信息检索应该不算AI, 不过因为这里面用到机器学习越来越多, 最近几年甚至 #2 );_  
有点机器学习应用会议的味道了, 所以把它也列进来. MW}.GhHo  
*r503&<  
SIGKDD (1-): 数据挖掘方面最好的会议, ACM主办, 每年开. 这个会议历史比较短, ,pXthj@  
毕竟, 与其他领域相比,数据挖掘还只是个小弟弟甚至小侄儿. 在几年前还很难把它列 ^ohga;2yiN  
在tier-1里面, 一方面是名声远不及其他的top conference响亮, 另一方面是相对容易 nC(YPG+v  
被录用. 但现在它被列在tier-1应该是毫无疑问的事情了. &B^ Bks*k  
另: 参见sir和lucky的介绍. ;ClsT/hT  
mh'{3_$Ik  
UAI (1-): 名字叫"人工智能中的不确定性", 涉及表示/推理/学习等很多方面, AUAI Ie.&<IU&A  
(Association of UAI) 主办, 每年开. ] BRf  
~o+v<Dx /W  
The Second Class: 2[G ,S9[G  
tier-2的会议列得不全, 我熟悉的领域比较全一些. JvGx./  
sD 3Rd  
AAMAS (2+): agent方面最好的会议. 但是现在agent已经是一个一般性的概念, wu2P70f  
几乎所有AI有关的会议上都有这方面的内容, 所以AAMAS下降的趋势非常明显. xBV.)Oi+9  
p1v([mQY  
ECCV (2+): 计算机视觉方面仅次于ICCV的会议, 因为这个领域发展很快, 有可能 :r^tV[Gq  
升级到1-去. ^jBZ1g_(  
]YK<tJU  
ECML (2+): 机器学习方面仅次于ICML的会议, 欧洲人极力捧场, 一些人认为它已 :%^D,MGi  
经是1-了. 我保守一点, 仍然把它放在2+. 因为机器学习发展很快, 这个会议 ? nt<X%H  
的reputation上升非常明显. 1XEI-Ro/(  
g4O: j{~1  
ICDM (2+): 数据挖掘方面仅次于SIGKDD的会议, 目前和SDM相当. 这个会只有5年 6HR+Rg  
历史, 上升速度之快非常惊人. 几年前ICDM还比不上PAKDD, 现在已经拉开很大 /p3(vf~'  
距离了. CI}-&i5  
qReCV&kd  
SDM (2+): 数据挖掘方面仅次于SIGKDD的会议, 目前和ICDM相当. SIAM的底子很厚, Z>U 2:W  
但在CS里面的影响比ACM和IEEE还是要小, SDM眼看着要被ICDM超过了, 但至少 9 Sap*|  
目前还是相当的. Ca5/ML1 4  
X<)n0_x  
ICAPS (2): 人工智能规划方面最好的会议, 是由以前的国际和欧洲规划会议合并 X!exe1"6-  
来的. 因为这个领域逐渐变冷清, 影响比以前已经小了. t:*!tQP}(  
.V$lGS^  
ICCBR (2): Case-Based Reasoning方面最好的会议. 因为领域不太大, 而且一直 fy]VPu/  
半冷不热, 所以总是停留在2上. +3ZTGon~  
F}#Ej F  
COLLING (2): 计算语言学/自然语言处理方面仅次于ACL的会, 但与ACL的差距比 X%zVf|hU  
ICCV-ECCV和ICML-ECML大得多. S{iv}nd  
2W1wnCb  
ECAI (2): 欧洲的人工智能综合型会议, 历史很久, 但因为有IJCAI/AAAI压着, D%N5x#  
很难往上升. eC 'g=qFK  
%ZGF) |q  
ALT (2-): 有点象COLT的tier-2版, 但因为搞计算学习理论的人没多少, 做得好 <<Z*'Ey  
的数来数去就那么些group, 基本上到COLT去了, 所以ALT里面有不少并非计算 lT b,Q_[ l  
学习理论的内容. (/w9#/  
&]/*xjs{  
EMNLP (2-): 计算语言学/自然语言处理方面一个不错的会. 有些人认为与COLLING P<&DA 4  
相当, 但我觉得它还是要弱一点. fh@yp)=  
Bjn^ZkHFz  
ILP (2-): 归纳逻辑程序设计方面最好的会议. 但因为很多其他会议里都有ILP方面 .-[PY&  
的内容, 所以它只能保住2-的位置了. <>`3q>dpe  
t `M";wg-  
PKDD (2-): 欧洲的数据挖掘会议, 目前在数据挖掘会议里面排第4. 欧洲人很想把 V %,g:bNb  
它抬起来, 所以这些年一直和ECML一起捆绑着开, 希望能借ECML把它带起来. h^%U'=A9  
但因为ICDM和SDM, 这已经不太可能了. 所以今年的PKDD和ECML虽然还是一起开, aMu`&.X  
但已经独立审稿了(以前是可以同时投两个会, 作者可以声明优先被哪个会考虑, aP5-rF  
如果ECML中不了还可以被PKDD接受). Y$/_6 g  
"05 Go'^  
The Third Class: WxQ}N7|h  
列得很不全. 另外, 因为AI的相关会议非常多, 所以能列在tier-3也算不错了, 基本上能 ZpGt+,  
mP)'-qs/  
进到所有AI会议中的前30%吧 }QlE&{A  
TeM)QV??Y  
ACCV (3+): 亚洲的计算机视觉会议, 在亚太级别的会议里算很好的了. krn4c8&  
CbIR5Q?  
DS (3+): 日本人发起的一个接近数据挖掘的会议. /D3@8m  
<TA.xIK9O*  
ECIR (3+): 欧洲的信息检索会议, 前几年还只是英国的信息检索会议. ln/x4w<  
;Zn@}rPV  
ICTAI (3+): IEEE最主要的人工智能会议, 偏应用, 是被IEEE办烂的一个典型. 以前的 Bh6:ymc  
quality还是不错的, 但是办得越久声誉反倒越差了, 糟糕的是似乎还在继续下滑, 现在 #s m I  
G|9dHE  
其实3+已经不太呆得住了. b (T[  
z,evk3J[  
PAKDD (3+): 亚太数据挖掘会议, 目前在数据挖掘会议里排第5. j?//P5 Da  
*jDq^.^  
ICANN (3+): 欧洲的神经网络会议, 从quality来说是神经网络会议中最好的, 但这个领域 d 4r  
L&tnC'@xm  
的人不重视会议,在该领域它的重要性不如IJCNN. & QuDO2  
,#N*[R"NP  
AJCAI (3): 澳大利亚的综合型人工智能会议, 在国家/地区级AI会议中算不错的了. (;gb3`v>  
YGLw dV'  
CAI (3): 加拿大的综合型人工智能会议, 在国家/地区级AI会议中算不错的了. s jOU.  
Ife yz0E  
CEC (3): 进化计算方面最重要的会议之一, 盛会型. IJCNN/CEC/FUZZ-IEEE这三个会议是 kl 1dx1I  
^# {FtPl  
计算智能或者说软计算方面最重要的会议, 它们经常一起开, 这时就叫WCCI (World /X:usTz=  
Congress on Computational Intelligence). 但这个领域和CS其他分支不太一样, 倒是和 P~XF=%d/  
Ru=u..Iy  
其他学科相似, 只重视journal, 不重视会议, 所以录用率经常在85%左右, 所录文章既有 @gkAgp||  
=/{GwVv  
quality非常高的论文, 也有入门新手的习作. )xvaq,  
(:v-xN0  
FUZZ-IEEE (3): 模糊方面最重要的会议, 盛会型, 参见CEC的介绍. -0N)5b  
[cj] y>  
GECCO (3): 进化计算方面最重要的会议之一, 与CEC相当,盛会型. _TB2&$tZ  
myr8Nz  
ICASSP (3): 语音方面最重要的会议之一, 这个领域的人也不很care会议. b%/r'a ][  
f 9A7 C  
ICIP (3): 图像处理方面最著名的会议之一, 盛会型. VK87$3/,  
$=0Iv|  
ICPR (3): 模式识别方面最著名的会议之一, 盛会型. Hx?[<g  
j:`ZZ T  
IEA/AIE (3): 人工智能应用会议. 一般的会议提名优秀论文的通常只有几篇文章, 被提名 zWq&Q5Oc  
; m6du[9  
就已经是很高的荣誉了, 这个会很有趣, 每次都搞1、20篇的优秀论文提名, 专门搞几个 j~_VWp3  
U[ lKCo7  
session做被提名论文报告, 倒是很热闹. "y!c!)L'+d  
1J-b"yxQY  
IJCNN (3): 神经网络方面最重要的会议, 盛会型, 参见CEC的介绍. ~oa? ~,aY  
E$tu`//TU  
IJNLP (3): 计算语言学/自然语言处理方面比较著名的一个会议. Yw& a  
|/xev/J)  
PRICAI (3): 亚太综合型人工智能会议, 虽然历史不算短了, 但因为比它好或者相当的综 nU7e[+!KU  
yLxDS ?e[  
合型会议太多, 所以很难上升. 4,"6Kr zPO  
sX(/Mc<&  
4j/f  
Combined List: .I%Och$/  
说明: 纯属个人看法, 仅供参考. tier-1的列得较全, tier-2的不太全, tier-3的很不全 `je6;Th(  
. /e*0vX>  
同分的按字母序排列. 不很严谨地说, tier-1是可以令人羡慕的, tier-2是可以令 X8BE  
人尊敬的,由于AI的相关会议非常多, 所以能列进tier-3的也是不错的 |C@Zi7N s  
A!S@NL(  
tier-1: [4~Z!O1D  
IJCAI (1+): International Joint Conference on Artificial Intelligence ~=T_c sD<  
AAAI (1): National Conference on Artificial Intelligence 5v;/-0R#t  
COLT (1): Annual Conference on Computational Learning Theory ZCaHQ-  
CVPR (1): IEEE International Conference on Computer Vision and Pattern Ds=N61J"@-  
Recognition KqUh+z/P8  
ICCV (1): IEEE International Conference on Computer Vision D2eQrapp  
ICML (1): International Conference on Machine Learning <iq /HcM)  
NIPS (1): Annual Conference on Neural Information Processing Systems d?;FwF  
ACL (1-): Annual Meeting of the Association for Computational Linguistics /g`,c`<;  
KR (1-): International Conference on Principles of Knowledge Representation La-kNA)  
and Reasoning RM? n07  
SIGIR (1-): Annual International ACM SIGIR Conference on Research and .hta@M-*  
Development in Information Retrieval Pj'ewU e0r  
SIGKDD (1-): ACM SIGKDD International Conference on Knowledge Discovery and )s 319q!  
Data Mining kzr8A *7#  
UAI (1-): International Conference on Uncertainty in Artificial Intelligence tcPS%j  
kJQ#3f!5O  
q.YS2  
tier-2: ,/CO<xKG  
AAMAS (2+): International Joint Conference on Autonomous Agents and pE^jx}TA2~  
Multiagent Systems gfl>zpV{V  
ECCV (2+): European Conference on Computer Vision 3~? L`r  
ECML (2+): European Conference on Machine Learning u% ( `0g(q  
ICDM (2+): IEEE International Conference on Data Mining v!Hre  
SDM (2+): SIAM International Conference on Data Mining WLzJy_j7  
ICAPS (2): International Conference on Automated Planning and Scheduling "w-sJn>}N  
ICCBR (2): International Conference on Case-Based Reasoning D$>ENb J12  
COLLING (2): International Conference on Computational Linguistics q3u>m,<+:C  
ECAI (2): European Conference on Artificial Intelligence QSL)`2  
ALT (2-): International Conference on Algorithmic Learning Theory CLNWbv~B)  
EMNLP (2-): Conference on Empirical Methods in Natural Language Processing VwcIQ0 "j2  
ILP (2-): International Conference on Inductive Logic Programming ueELQpzG3a  
PKDD (2-): European Conference on Principles and Practice of Knowledge a7R_JA  
Discovery in Databases Jbr_5TE  
dEytE3R~  
tier-3: met wL,|u  
ACCV (3+): Asian Conference on Computer Vision 6#MGi8ToT  
DS (3+): International Conference on Discovery Science z7pXUE&Gh  
ECIR (3+): European Conference on IR Research i> ?!W;c  
ICTAI (3+): IEEE International Conference on Tools with Artificial a:0vBIb  
Intelligence bmyd,:9  
PAKDD (3+): Pacific-Asia Conference on Knowledge Discovery and Data Mining [@oHEM&  
ICANN (3+): International Conference on Artificial Neural Networks qg@/ 6m'  
AJCAI (3): Australian Joint Conference on Artificial Intelligence F=>&|5  
CAI (3): Canadian Conference on Artificial Intelligence !CRY'$  
CEC (3): IEEE Congress on Evolutionary Computation p/W5K45t  
FUZZ-IEEE (3): IEEE International Conference on Fuzzy Systems { v4fcV`  
GECCO (3): Genetic and Evolutionary Computation Conference 3mh* ZSn9  
ICASSP (3): International Conference on Acoustics, Speech, and Signal 2p/Bmo_  
Processing -hF:Wb~%  
ICIP (3): International Conference on Image Processing a7_ >n)  
ICPR (3): International Conference on Pattern Recognition CPeOcJ"  
IEA/AIE (3): International Conference on Industrial and Engineering 6)2B&6 JO  
Applications of Artificial Intelligence and Expert Systems ~,o!}S%  
IJCNN (3): International Joint Conference on Neural Networks tPpq*R<f+  
IJNLP (3): International Joint Conference on Natural Language Processing zN$cvQ56w  
PRICAI (3): Pacific-Rim International Conference on Artificial Intelligence [w[o9,  
f^aO H  
~;S vf~*.  
关于List的补充说明: kpR.  
列list只是为了帮助新人熟悉领域, 给出的评分或等级都是个人意见, 仅供参考. 特别要 A"Zd]y  
8( d~#  
说明的是: /AXSfN)p"i  
f;m?,'O  
1. tier-1 conference上的文章并不一定比tier-3的好, 只能说前者的平均水准更高. NcXU+  
es?3Pq,_y  
2. 研究工作的好坏不是以它发表在哪儿来决定的, 发表在高档次的地方只是为了让工作更 |/`f u]|O  
/# y!1Oi  
容易被同行注意到. tier-3会议上发表1篇被引用10次的文章可能比在tier-1会议上发表1 q-WJE{s"jA  
) ;A c s#w  
0篇被引用0次的文章更有价值. 所以, 数top会议文章数并没有太大意义, 重要的是同行的 6H8YVOr0N  
~_3~ap[  
评价和认可程度. qPfM7tr  
$8Vl:d  
3. 很多经典工作并不是发表在高档次的发表源上, 有不少经典工作甚至是发表在很低档的 #5uO7  
-4Ikw8S  
发表源上. 原因很多, 就不细说了. 1"EYHy  
?ORV]Yi  
4. 会议毕竟是会议, 由于审稿时间紧, 错杀好人和漏过坏人的情况比比皆是, 更何况还要 OT}P2a6's  
UF9>Y?.<Y7  
考虑到有不少刚开始做研究的学生在代老板审稿. cra.e;  
4B& @ o|  
5. 会议的reputation并不是一成不变的,新会议可能一开始没什么声誉,但过几年后就野 `v^c^bj$H  
SRys 'c0  
鸡变凤凰,老会议可能原来声誉很好,但越来越往下滑. t^| ldZI  
9(ijmD*f<.  
6. 只有计算机科学才重视会议论文, 其他学科并不把会议当回事. 但在计算机科学中也有 H5@:gk/Gr  
ef]G:5O  
不太重视会议的分支. i[;]R-()C  
2K#bSf  
7. Politics无所不在. 你老板是谁, 你在哪个研究组, 你在哪个单位, 这些简单的因素都 YZ,[+i2-"b  
+ sQ7L7+  
可能造成决定性的影响. 换言之, 不同环境的人发表的难度是不一样的. 了解到这一点后 %>' W(7y[D  
a*T<@Rk  
, 你可能会对high-level发表源上来自low-level单位名不见经传作者的文章特别注意(例 s:oMN*_*  
Bs4[PM  
如如果<计算机学报>上发表了平顶山铁道电子信息科技学院的作者的文章,我一定会仔细读 N-,4P"J,d3  
V!gl<-B  
). {K !1P@  
]c , CM  
8. 评价体系有巨大的影响. 不管是在哪儿谋生的学者, 都需要在一定程度上去迎合评价体 Wz25E;"/  
W]poC5$  
系, 否则连生路都没有了, 还谈什么做研究. 以国内来说, 由于评价体系只重视journal, ACk2  
7Y^% ~,$|  
有一些工作做得很出色的学者甚至从来不投会议. 另外, 经费也有巨大的制约作用. 国外 ^"eCf[  
m#-{p> o  
很多好的研究组往往是重要会议都有文章. 但国内是不行的, 档次低一些的会议还可以投 X.=D 8  
_c:(C7X,W  
了只交注册费不开会, 档次高的会议不去做报告会有很大的负面影响, 所以只能投很少的 $`X)CB  
F?[re)x  
会议. 这是在国内做CS研究最不利的地方. 我的一个猜想:人民币升值对国内CS研究会有 zyK4Y5?h  
#6?N+TwD  
不小的促进作用(当然, 人民币升值对整个中国来说利大于弊还是弊大于利很难说). ;Y8L 
  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 计算机视觉领域有很多顶级会议,包括IEEE International Conference on Computer Vision (ICCV)、European Conference on Computer Vision (ECCV)、International Conference on Machine Learning (ICML)、Neural Information Processing Systems (NIPS)、The Computer Vision and Pattern Recognition Conference (CVPR)和The Conference on Computer Vision and Pattern Recognition (CVPR)。 ### 回答2: 计算机视觉领域有许多顶级会议,其中包括以下几个: 1. CVPR(Computer Vision and Pattern Recognition):CVPR是计算机视觉领域顶级和最具影响力的会议之一。它每年举办一次,在会上展示最新的研究成果和技术进展。 2. ICCV(International Conference on Computer Vision):ICCV是计算机视觉领域的另一个重要会议,与CVPR相媲美。它也每年举办一次,并吸引全球顶级研究人员和学者参与。 3. ECCV(European Conference on Computer Vision):ECCV是欧洲地区的计算机视觉领域重要会议之一。它与CVPR和ICCV一样,每两年举办一次。 4. AAAI(Association for the Advancement of Artificial Intelligence):AAAI不仅包含计算机视觉研究,还包括人工智能领域的其他方向。它是人工智能领域最重要的会议之一,涵盖广泛的研究主题。 5. NIPS(Conference on Neural Information Processing Systems):NIPS是机器学习和深度学习领域的国际顶级会议。虽然不是专门关注计算机视觉,但在计算机视觉领域也有很高的影响力。 这些会议都是计算机视觉领域重要的学术交流平台,研究人员和学者可以在会议上分享他们的最新研究成果,交流经验和发现合作机会。参与这些会议对于学术界和工业界的专业人士来说都是至关重要的。 ### 回答3: 计算机视觉(Computer Vision)领域有很多顶级会议。以下是一些最具影响力和高水平的顶级会议: 1. CVPR(Computer Vision and Pattern Recognition):CVPR是计算机视觉领域最重要的会议之一,由IEEE(电气和电子工程师协会)主办,汇集了学术界和工业界的顶尖研究人员。CVPR每年举办一次,提供了展示最新研究成果、发表论文以及进行交流和讨论的平台。 2. ECCV(European Conference on Computer Vision):ECCV是欧洲计算机视觉领域的一项重要活动,由欧洲计算机视觉协会主办。ECCV每两年举办一次,聚集了来自世界各地的顶尖研究者,提供了一个分享最新研究成果、讨论新技术和观点的国际交流平台。 3. ICCV(International Conference on Computer Vision):ICCV是计算机视觉领域的国际级会议,由国际计算机视觉协会主办。ICCV每两年举办一次,吸引了来自全球的学术界和工业界研究人员参加。这个会议是交流最新研究成果、分享创新想法和技术的重要平台。 4. BMVC(British Machine Vision Conference):BMVC是英国机器视觉领域的重要学术会议,由英国机器视觉协会主办。BMVC每年举办一次,是讨论计算机视觉领域前沿课题和技术发展趋势的重要国际会议。 除了以上提到的会议,还有其他一些重要的计算机视觉相关会议,如ACCV(Asian Conference on Computer Vision)、ICIP(International Conference on Image Processing)等。这些会议提供了学术界和工业界相互交流、合作和学习的机会,对计算机视觉领域的研究和发展起到了重要的推动作用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值