韩国 三级 终极性与爱:pmvs

Windows Live™主页设备SkyDrive移动主页下载全部服务
Hotmail
Messenger
Office
照片
MSN
 ▼ sei kim baku登录 Messenger弹出 Messenger Messenger 当前不可用。 {0}:{1} 后重新建立连接... NETWORK_NAME有空忙碌离开隐身注销 Messenger隐私设置帐户选项
个人资料 |注销
收件箱日历联系人发送电子邮件
最新的文档您的文档您的群
最新的照片您的相册您的照片共享照片
主页汽车理财电影资讯体育天气
正在加载...

联系人
个人资料
添加好友
个人资料十年一剑 LIVE SPACE照片日志列表 工具 发送私人消息订阅 RSS 源告诉好友添加为好友
帮助
秀出自我真风采
★★MY PLAN★★
如果爱情会让我的心不朽 那么我将永远伴随着她 爱情会让我的心不朽吗？会的 所以我将永远伴随她直到永远
★★MY PLAN★★
如果科学真的可以造福于人类 那么我将把生命献给她 科学可以造福人类吗？可以 所以我将献身于科学事业
★★MY PLAN★★
如果中国共产党是为人民服务的 那么我将加入她 中国共产党是为人民服务的吗？ 是的所以我加入了中国共产党
类别
心情
CV&CG Research
Thinking and Feeling
好@友派
rrji
罩着我的师兄，万里挑一的牛人！
石榴
太优秀了，众多花龄少女追逐的偶像
Amuro Liu
This is a stronger and a braver!Wish him happy in America tomorrow!
风之子－－老董
不但球踢得好，还是一本足球的百科全书哦...
大牛
又高又壮的体育全能，长得还真得很像很像一头牛哦...
Dancer鬼鬼
鬼鬼的LIVE SPACE叫鬼屋，贼有个性！鬼鬼的POPPIN很棒，经常把地板拖得贼干净...
My sina BLOG
留连那沙漠中的绿洲点点,挽留那浮嚣里的安宁翩翩
照片
7月13日北京
DSCN5162
第 4 张，共 7 张
评论 (0)
更多相册 (1)
7月13日北京 (7) 9月23日
十年一剑 LIVE SPACE
棋逢对手,琴遇知音,才是人生最愉快的事情!
在编辑标题和描述之前，请单击“保存”保存您的自定义更改。
发送私人消息
订阅 RSS 源
告诉好友
添加为好友
日志
6月24日
关于Visual Hull && Shape from Silhoutte的Review
突然想问这么个问题：世界上都哪些人Visual Hull做得好或曾经做得比较好？不过说实在的，现在还仍然在研究Visual Hull的，多半都不是VH的重要贡献者，因为VH已经发展成熟了，甚至有了可用的商用系统（Franco的EPVH被4DView公司收购）。但是较好的VH代码仍然是不公开的。
（1）Aloe Laurentini
Laurentini是较早讨论Shape from Silhoutte方法和提出Visual Hull概念的人之一。其代表性文章The Visual Hull Concept for Silhouette-Based Image Understanding发表在PAMI1994上，高引800次左右。
（2）J.S. Franco
EPVH是Franco的代表作，也就是被4DView收购的那个工作。他的代表性文章Exact Polyhedral Visual Hulls发表在BMVC2003上，7年间被引100次以上。
（3）Wojciech Matusik
这是当年MIT的人，在VH方面代表性文章Image-Based Visual Hulls发表在SIGGRAPH2000上，高引650次以上。他们的系统称为IBVH。
（4）Yasutaka Furukawa
他的博士论文体现了对VH的贡献，之前为这个人写过一个小传，不必多说。
（5）Kiriakos N. Kutulakos
其代表作A Theory of Shape by Space Carving（与Steven M. Seitz合作）发表在ICCV1999上，获得Best paper(Marr Prize),高引790次。
10:10 |固定链接
OpenCV播放视频常用函数
CvCapture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 514
CaptureFromFile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 514
CaptureFromCAM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 515
ReleaseCapture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 515
GrabFrame . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 516
RetrieveFrame . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 516
QueryFrame . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 517
GetCaptureProperty . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 517
SetCaptureProperty . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 518
CreateVideoWriter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 519
ReleaseVideoWriter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 520
WriteFrame . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 521
（1）QueryFrame = GrabFrame + RetrieveFrame
（2）
CV_CAP_PROP_POS_MSEC Film current position in milliseconds or video capture timestamp
CV_CAP_PROP_POS_FRAMES 0-based index of the frame to be decoded/captured next
CV_CAP_PROP_POS_AVI_RATIO Relative position of the video file (0 - start of the film, 1 - end
of the film)
CV_CAP_PROP_FRAME_WIDTH Width of the frames in the video stream
CV_CAP_PROP_FRAME_HEIGHT Height of the frames in the video stream
CV_CAP_PROP_FPS Frame rate
CV_CAP_PROP_FOURCC 4-character code of codec
CV_CAP_PROP_FRAME_COUNT Number of frames in the video file
CV_CAP_PROP_BRIGHTNESS Brightness of the image (only for cameras)
CV_CAP_PROP_CONTRAST Contrast of the image (only for cameras)
CV_CAP_PROP_SATURATION Saturation of the image (only for cameras)
CV_CAP_PROP_HUE Hue of the image (only for cameras)
10:06 |固定链接
5月30日
随笔
一个人很难成就一件大的事业
通常是一帮人一起成就了一件事业
这件事业也反过来成就了这帮人
5:43 |阅读评论 (1) |固定链接 |Thinking and Feeling
5月29日
成功者
人分几种：一种是理性占绝对主导地位思维的人，一种是感性占绝对主导地位的人，一种是盲从的人，还有一种就是理性与感性兼具的人。
只有感性与理性兼具的人才能担大任，当然，这其中还有幸运者和不幸者，幸运者成功了，不幸者则成功得慢一些。
理性占绝对主导地位的人适合做参谋，感性占绝对主导地位的人适合做参谋，有些也适合做领导，而盲从的人则只能当工人或士兵。
19:14 |固定链接 |Thinking and Feeling
5月22日
一段Visual Hull代码的分析(matlab)
这是网上流传的david.m代码。
第一部分：设置一些参数。numCamera 是摄像机数目，也就是视图(及图像)数量。[volumeX,volumeY,volumeZ]是划定的空间范围，感觉这也是Visual Hull算法本身的缺陷，就是必须先划定范围，而不能在整个笛卡尔空间中根据实际图像照到的范围自动划定范围。相应的[dX,dY,dZ]是坐标范围，也就是最大的坐标值。visualHullSamplingRate 是采样密度，限定了最终Visual Hull的精细程度，密度越大(也就是visualHullSamplingRate值越小)自然得到的Visual Hull也就有更精细的潜力。
numCamera = 18;
volumeX = 64;
volumeY = 128;
volumeZ = 64;
dX = volumeX/2;
dY = volumeY/2;
dZ = volumeZ/2;
visualHullSamplingRate = 0.1;
第二部分：载入图像和投影矩阵。按照上面 numCamera 的设置，就是把 smallDavid 文件夹下从00~17的图像(.jpg)和投影矩阵(.pa文件)分别读入到 SImage 数组和 PMatrix 数组里。
for i=1:numCamera
if(i<=10)
PMatrix{i} = load(['smallDavid\david_0' int2str(i-1) '.PA']);
SImage{i} = rgb2gray(imread(['smallDavid\david_0' int2str(i-1) '.jpg']));
else
PMatrix{i} = load(['smallDavid\david_' int2str(i-1) '.PA']);
SImage{i} = rgb2gray(imread(['smallDavid\david_' int2str(i-1) '.jpg']));
end;
end;
第三部分：Visual Hull 计算。thresh 用来去除一部分图像的背景(这是david图像的个案，因为David雕塑是白色的，一般的图像要用其它方法来提取前景)，scale 只是配合调节坐标步长(相当于做一个相似变换)，定义一个 volume 作为预定义空间。
thresh = 110;
scale = 1/16;
volume = ones(volumeX,volumeY,volumeZ);
for i = 1:numCamera
img = SImage{i} >= thresh;
P = PMatrix{i};
x1 = P(1,1)*scale*((1:volumeX)-dX); %第一列
y1 = P(2,1)*scale*((1:volumeX)-dX);
z1 = P(3,1)*scale*((1:volumeX)-dX);
x2 = P(1,2)*scale*((1:volumeY)-dY); % 第二列
y2 = P(2,2)*scale*((1:volumeY)-dY);
z2 = P(3,2)*scale*((1:volumeY)-dY);
for Z = 1:volumeZ
p = P(:,3:4)*[scale*(Z-dZ) 1]'; %第三、四列，也就是说第四列部缩放，直接加到第三列缩放的结果上去
z = z1'*ones(1,volumeY) +  ones(volumeX,1)*z2 + p(3);
x = (x1'*ones(1,volumeY) +  ones(volumeX,1)*x2 + p(1)) ./ z;
y = (y1'*ones(1,volumeY) +  ones(volumeX,1)*y2 + p(2)) ./ z;
volume(:,:,Z) = volume(:,:,Z) & interp2(img, x, y,'*nearest', 1);
end
end
第四部分：显示Visual Hull结果。
figure;
set(gca,'projection','perspective');
title('Demo of visual hull');
axis equal;
grid on;
xlabel('x');
ylabel('y');
zlabel('z');
hold on;
[xMesh yMesh zMesh] = meshgrid(1:volumeY,1:volumeX,1:volumeZ);
pt = patch(isosurface(xMesh, yMesh, zMesh, volume, 0.5));
isonormals(xMesh, yMesh, zMesh, volume, pt);
set(pt,'FaceColor','red','EdgeColor','none');
daspect([1 1 1]);
camlight;
lighting gouraud;
view(-90,90);
附：几个重要的函数
interp2 二维数据的插值(或拟合)算法。函数原型：ZI = interp2(...,method, extrapval) 。
meshgrid 织网算法，将三维点云织网为三角形网格。
isosurface 求取三角网格的表面
isonormals 求取法向量
21:32 |阅读评论 (1) |固定链接 |CV&CG Research
5月15日
Yasutaka Furukawa和他的工作
Yasutaka 此人骁勇不凡，2001年3月于日本东京大学取得学士学位，2002年3月取得硕士学位，2002年8月出国，2008年5月于伊利诺伊大学取得博士学位，之后直到2009年12月在华盛顿大学完成博士后工作出站。2010年开始就职于Google公司。
Yasutaka 在伊利诺伊大学攻读博士学位期间，师从Jean Ponce。从他的文章发表情况来推测，他先用了一年时间（2002后半年~2003年）研究了SFM核心方法及在小规模图像集合上的应用。然后转攻Visual Hull，因为那几年VH确实因为效率高而很火，他在这个领域大概研究了两年（2004年~2005年），但是VH的效率虽高，却仍然适用于小规模数据。或许他当时也是看到了这一点，2006年开始，他又转回SFM方面的研究，这次他开始尝试较大规模的数据，在继续SFM核心方法研究的基础上，开始进行基于Video Steam建模的研究，但是在这个点上，他显然无法超越Pollefeys一脉的水平，最多也就是凑凑热闹而已。在2008年毕业的时候，我猜想他对自己的研究历程并不是非常满意的（换作是我，我也会觉得有缺憾,主要把时间花在VH上,使得SFM的研究工作没有能够在博士期间上升到大规模图像集合的水平），我至今并未找到他的博士论文下载，因此不知道他的毕业论文到底是以SFM为中心点写的，还是以VH为中心点写的（不过看到答辩委员会成员里邀请了Marc Pollefeys，所以猜想video based 3D modeling题材的内容应该是有的，不过还是会以SFM核心算法为重点）。Yasutaka在VH方面的研究工作Carved Visual Hull虽然在ECCV上获得很高评价，但是我觉得他博士期间的代表性工作应该是Accurate, Dense, and Robust Multi-View Stereopsis。虽然这个工作在当时并不是最好的，但是从这个工作开始，Yasutaka将Patch-based的思想贯彻下来，改进了SBA，从而有了PBA；继而后来PMVS出炉，等等后续工作，都从此而发迹。
2008年，Yasutaka到达华盛顿大学做博后，是一个机遇，他到来的时候，UW这些人正在和Microsoft合作解决Internet image collection的3D展示的问题，UW Noah Snavely著名的工作Photo Tourism和Microsoft的photosynth刚刚出炉，他对大规模图像集合上的3D重建的热情顿时高涨。在博后的一年半期间（2008年下半年~2009年），相继完成了PMVS和CMVS两个重要的工作，并且从此必将因这些工作的开源而名满天下。
对于Yasutaka将代码开源的态度，我是十分的欣赏的，这对于该方向的学术进步是十分有利的（不过Yasutaka个人为什么如此热衷开源，我想除了他本身的主观热情之外，客观上因为是博后期间的工作，为了今后在Google还能延续自己的研究，而不受UW方面关于版权的制约，或许也是一方面原因吧。）总而言之，广大的研究者们得到了实惠！
Yasutaka开源的工作主要有三个：PBA，PMVS，CMVS。接下来的半个月内，我将对这三个工作逐一介绍。
【后记】刚找到Yasutaka的一个Tech Report : HIGH-FIDELITY IMAGE-BASED MODELING,后确认是他的博士论文无疑，主要内容就是CVPR2007的文章内容，是将重建工作分为object，scene和crowded scenes三种情况来讨论的。VH方面的讨论我觉得并没超越Franco的EPVH，而PMVS的工作确实非常精彩。
21:27 |阅读评论 (3) |固定链接 |CV&CG Research
5月9日
三国箴言
成大事者，不可失信，尤其不可对小人失信，因为小人比君子更可怕！（袁术谋士言吕布）
天下女子多矣，赵云但恐名誉不利，何患无妻！（子龙语）
大丈夫之志，应如长江，东奔大海，何苦留恋于温柔之乡！（孙尚香慰刘备语）
0:04 |固定链接 |Thinking and Feeling
5月8日
OpenAPI
OpenAPI发展的好迅猛，google，淘宝，人人网，…好多都有API，而且有一群开发相应程序的爱好者。
1:07 |固定链接 |Thinking and Feeling
5月4日
转：AI会议的总结（by南大周志华）
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.
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
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
tier-1:
IJCAI (1+): International Joint Conference on Artificial Intelligence AAAI (1): National Conference on Artificial Intelligence
COLT (1): Annual Conference on Computational Learning Theory
CVPR (1): IEEE International Conference on Computer Vision and Pattern   Recognition
ICCV (1): IEEE International Conference on Computer Vision
ICML (1): International Conference on Machine Learning
NIPS (1): Annual Conference on Neural Information Processing Systems
ACL (1-): Annual Meeting of the Association for Computational Linguistics
KR (1-): International Conference on Principles of Knowledge Representation   and Reasoning
SIGIR (1-): Annual International ACM SIGIR Conference on Research and Development in Information Retrieval
SIGKDD (1-): ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
UAI (1-): International Conference on Uncertainty in Artificial Intelligence
*Impact factor (According to Citeseer 03):
IJCAI ：1.82 (top 4.09 %)
AAAI ：1.49 (top 9.17%)
COLT：1.49 (top 9.25%)
ICCV ：1.78 (top 4.75%)
ICML ：2.12 (top 1.88%)
NIPS ：1.06 (top 20.96%)
ACL ：1.44 (top 10.07%)
KR ：1.76 (top 4.99%)
SIGIR ：1.10 (top 19.08%)
Average：1.56 (top 8.02%)
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 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 领域就没几篇了，象achine learning、computer vision这么大的领域每次大概也 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 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 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 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 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 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 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 发几个奖, 其中最重要的两个是IJCAI Research Excellence Award 和 Computer & 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 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, IJCAI 的 PC member 相当于其他会议的area chair, 权力很大, 因为是由PC member 去找 reviewer 来审, 而不象一般会议的PC member其实就是 reviewer. 为了制约 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 3位reviewer, second PC member 找一位.
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   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 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 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, 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 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   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 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 那边一直在担心IJCAI的录用通知出晚了AAAI就麻烦了.
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 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 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 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 会议, 例如COLT.
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 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 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 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 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 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 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.
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.
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   介绍.
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 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, 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   “Advances in Neural Information Processing Systems”, 所以, 与ICML\ECML这样 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 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 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 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 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, 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,   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 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 外了. 无论如何, 这是一个非常好的会.
ACL (1-): 计算语言学/自然语言处理方面最好的会议, ACL (Association of   Computational Linguistics) 主办, 每年开.
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) 最好的会议之一. KR Inc.主办, 现在是偶数年开.
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 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 有点机器学习应用会议的味道了, 所以把它也列进来.
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,   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 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 被录用. 但现在它被列在tier-1应该是毫无疑问的事情了.
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   (Association of UAI) 主办, 每年开.
tier-2:
AAMAS (2+): International Joint Conference on Autonomous Agents and   Multiagent Systems
ECCV (2+): European Conference on Computer Vision
ECML (2+): European Conference on Machine Learning
ICDM (2+): IEEE International Conference on Data Mining
SDM (2+): SIAM International Conference on Data Mining
ICAPS (2): International Conference on Automated Planning and Scheduling
ICCBR (2): International Conference on Case-Based Reasoning
COLLING (2): International Conference on Computational Linguistics
ECAI (2): European Conference on Artificial Intelligence
ALT (2-): International Conference on Algorithmic Learning Theory
EMNLP (2-): Conference on Empirical Methods in Natural Language Processing
ILP (2-): International Conference on Inductive Logic Programming
PKDD (2-): European Conference on Principles and Practice of Knowledge   Discovery in Databases
*Impact factor (According to Citeseer 03):
ECCV ：1.58 (top 7.20 %)
ECML ：0.83 (top 30.63 %)
ICDM ：0.35 (top 59.86 %)
ICCBR ：0.72 (top 36.69 %)
ECAI ：0.69 (top 38.49 %)
ALT ：0.63 (top 42.91 %)
ILP ：1.06 (top 20.80 %)
PKDD ：0.50 (top 51.26 %)
Average：0.80 (top 32.02%)
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,   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.
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 升级到1-去.
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, 这个会议的reputation上升非常明显.
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, 现在已经拉开很大距离了.
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, 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, 但至少目前还是相当的.
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来的. 因为这个领域逐渐变冷清, 影响比以前已经小了.
ICCBR (2): Case-Based Reasoning方面最好的会议. 因为领域不太大, 而且一直半冷不热, 所以总是停留在2上.
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ICCV-ECCV和ICML-ECML大得多.
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,很难往上升.
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学习理论的内容.
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相当, 但我觉得它还是要弱一点.
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方面的内容, 所以它只能保住2-的位置了.
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.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, 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, 如果ECML中不了还可以被 PKDD接受).
tier-3:
ACCV (3+): Asian Conference on Computer Vision
DS (3+): International Conference on Discovery Science
ECIR (3+): European Conference on IR Research
ICTAI (3+): IEEE International Conference on Tools with Artificial Intelligence
PAKDD (3+): Pacific-Asia Conference on Knowledge Discovery and Data Mining
ICANN (3+): International Conference on Artificial Neural Networks
AJCAI (3): Australian Joint Conference on Artificial Intelligence
CAI (3): Canadian Conference on Artificial Intelligence
CEC (3): IEEE Congress on Evolutionary Computation
FUZZ-IEEE (3): IEEE International Conference on Fuzzy Systems
GECCO (3): Genetic and Evolutionary Computation Conference
ICASSP (3): International Conference on Acoustics, Speech, and Signal   Processing
ICIP (3): International Conference on Image Processing
ICPR (3): International Conference on Pattern Recognition
IEA/AIE (3): International Conference on Industrial and Engineering Applications of Artificial Intelligence and Expert Systems
IJCNN (3): International Joint Conference on Neural Networks
IJNLP (3): International Joint Conference on Natural Language Processing
PRICAI (3): Pacific-Rim International Conference on Artificial Intelligence
*Impact factor (According to Citeseer 03):
ACCV ：0.42 (top 55.61%)
ICTAI ：0.25 (top 69.86 %)
PAKDD ：0.30(top 65.60 %)
ICANN ：0.27 (top 67.73 %)
AJCAI ：0.16 (top 79.44 %)
CAI ：0.26 (top 68.87 %)
ICIP ：0.50 (top 50.20 %)
IEA/AIE ：0.09 (top 87.79 %)
PRICAI ：0.19 (top 76.33 %)
Average：0.27 (top 68.30%)
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.
DS (3+): 日本人发起的一个接近数据挖掘的会议.
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.
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, 现在其实3+已经不太呆得住了.
PAKDD (3+): 亚太数据挖掘会议, 目前在数据挖掘会议里排第5.
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, 但这个领域的人不重视会议,在该领域它的重要性不如IJCNN.
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.
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.
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 Congress on Computational Intelligence). 但这个领域和CS其他分支不太一样, 倒是和其他学科相似, 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quality非常高的论文, 也有入门新手的习作.
FUZZ-IEEE (3): 模糊方面最重要的会议, 盛会型, 参见CEC的介绍.
GECCO (3): 进化计算方面最重要的会议之一, 与CEC相当，盛会型.
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.
ICIP (3): 图像处理方面最著名的会议之一, 盛会型.
ICPR (3): 模式识别方面最著名的会议之一, 盛会型.
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session做被提名论文报告, 倒是很热闹.
IJCNN (3): 神经网络方面最重要的会议, 盛会型, 参见CEC的介绍.
IJNLP (3): 计算语言学/自然语言处理方面比较著名的一个会议.
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合型会议太多, 所以很难上升.
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. 特别要说明的是:
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.
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10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, 重要的是同行的评价和认可程度.
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发表源上. 原因很多, 就不细说了.
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, 更何况还要考虑到有不少刚开始做研究的学生在代老板审稿.
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，但过几年后就野鸡变凤凰，老会议可能原来声誉很好，但越来越往下滑.
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不太重视会议的分支.
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, 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).
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, 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).
15:15 |阅读评论 (2) |固定链接
5月2日
孤单是一个人的狂欢,狂欢是一群人的孤单
当我坚持的时候，我是孤单的
但是执着的孤单背后充满了喜悦
我不愿享受奢靡的狂欢
那是无意义的虚度
14:52 |阅读评论 (1) |固定链接 |Thinking and Feeling
查看更多的日志
© 2011 Microsoft
使用条款
隐私声明
关于我们的广告
广告
行为准则
安全
帮助中心
反馈
举报不良信息
简体中文
');}}//]]>


{0}

{2}
 {0}
 {0}
',1)">
',2)">