cg-paper-writing

name	cg-paper-writing
description	Academic paper writing skill for 3D vision, computer graphics, CAD, and 3D understanding. Covers NeRF, 3D Gaussian Splatting, multi-view stereo, SLAM, point cloud processing, 3D shape understanding/generation, CAD modeling, reverse engineering, 3D scene understanding. Use when the user asks to write, refine, or polish academic papers in CG/3D vision venues (CVPR, ICCV, ECCV, SIGGRAPH, EG, PG, TVCG, CGF) or doctoral dissertations. Provides domain terminology conventions, reviewer concern analysis, experiment design guidance, and venue-specific writing patterns. Trigger on: paper writing, draft refinement, rebuttal, introduction/related work/methodology/experiment sections, abstract, contribution summary.
name_cn	三维视觉与计算机图形学论文写作
description_cn	三维视觉/计算机图形学/CAD方向论文写作辅助，涵盖NeRF、3DGS、点云处理、3D形状理解/生成、CAD建模、逆向工程、3D场景理解、SLAM等，支持CVPR/ICCV/SIGGRAPH等顶会及博士论文
version	1.1.0
author	jaccen
tags	["paper-writing","academic","computer-graphics","3dgs","nerf","computer-vision","cvpr","siggraph"]
trigger	["写论文","论文写作","write paper","帮我写引言","润色","去AI痕迹","论文格式","abstract","introduction","related work","method","贡献声明","写摘要","rebuttal","修改论文","投稿","实验设计"]

三维视觉与计算机图形学论文写作

面向三维重建、计算机图形学、CAD建模、3D理解与生成方向的学术写作辅助，覆盖从摘要到结论的全流程。

写作流程

摘要（Abstract）

结构：问题 → 不足 → 本文方法（一句话）→ 核心机制（1-2句）→ 实验结果（带数据）。

• 字数：CVPR/ICCV 150-250词；SIGGRAPH 200-300词；博士论文 500-800字
• 禁止：未定义缩写、引用、"we"以外的主语
• 必须包含：方法名称、核心指标数值、对比baseline

引言（Introduction）

标准结构（适用于所有目标会议）：

1. 领域背景 + 该方向建立的基本范式（1段）
2. 已有工作的分类综述 + 各类方法的共性不足（1-2段）
3. 本文动机：从不足中引出研究问题（1段）
4. 本文方法概述：核心思想 + 2-3个关键设计（1段）
5. 实验总结：主要指标 + 对比优势（1段）

引言写作禁忌：

• 不在引言中展开数学公式（最多一个核心公式用于直观说明）
• 不在引言中列举实验细节（具体数字放实验部分）
• 避免通用乐观结尾（"我们相信本研究将推动该领域发展"）

相关工作（Related Work）

组织原则：按主题分组，而非按论文逐一罗列。

每个主题段落结构：

1. 该主题的共性方法（2-3句概括）
2. 代表性工作举例（带引用，说明每篇做了什么）
3. 关键：与本文的区别（最后1-2句）

三维视觉论文常见分组：

• 神经辐射场与新视角合成（NeRF/3DGS及其变体）
• 点云处理与3D理解（分割/配准/检测）
• 3D生成与编辑（文本/图像到3D、形状编辑）
• CAD建模与逆向工程（参数化建模、特征提取）
• 3D场景理解与SLAM（语义重建、位姿估计）
• 高频/边界表达（如有符号方法、频域方法）
• 压缩与加速

方法（Methodology）

结构：总体框架图 → 各模块展开。

• 先给出整体pipeline/架构图（图1），后续逐模块引用
• 每个新符号首次出现时必须定义
• 公式编号连续，引用格式：式(1)、式(2)
• 每个模块结尾用1句话总结该模块的作用

实验（Experiments）

必须包含的实验：

1. 数据集：列出全部数据集，说明训练/测试划分
2. 评估指标：根据方向选择（见下方各方向指标）
3. 基线对比：至少包含当前SOTA
4. 消融实验：逐一验证每个核心模块的贡献

各方向核心评估指标：

方向	核心指标	补充指标
新视角合成	PSNR↑ SSIM↑ LPIPS↓	FPS、基元数量
3D形状理解	mIoU↑ mAcc↑	F1-score、AUC
3D生成	FID↓、1-NNA-CD↓、1-NNA-EMD↓	MMD、COV
点云配准	RMSE↓、Chamfer距离↓	RRE、RTE
CAD重建	Chamfer距离↓、F-score↑	几何精度
3D场景理解	mIoU↑	查全率、查准率

可选加分项：

• 运行效率对比（FPS、训练时间、内存）
• 可视化对比（定性分析图）