cg-paper-writing

name	cg-paper-writing
description	Academic paper writing skill for 3D vision, computer graphics, CAD, and 3D understanding. Covers NeRF, 3DGS, SLAM, point cloud processing, 3D shape understanding/generation, CAD modeling, and reverse engineering. Supports CVPR/ICCV/ECCV/SIGGRAPH/EG/PG/TVCG/CGF and doctoral dissertations.
version	1.2.0
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

英文模板：

[Problem context, 1 sentence]
[Specific gap/limitation, 1-2 sentences]
[Our approach name and core idea, 1-2 sentences]
[Key technical mechanism, 1 sentence]
[Main results with numbers, 1-2 sentences]
[Broader impact or implication, 1 sentence]

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）

英文模板：

Paragraph 1: Problem context and importance
Paragraph 2: Existing approaches and their limitations
Paragraph 3: Our insight and high-level approach
Paragraph 4: Technical summary (what we actually do)
Paragraph 5: Contributions (bulleted, 3-4 items)

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

英文模板：

Group by theme (not by paper):
- Section: "3D Gaussian Splatting and Variants"
- Section: "Neural Implicit Representations"
- Section: "[Your specific sub-area]"
Each section: Narrative flow with citations, not catalog.
End each section with: how existing work differs from yours.

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

英文模板：

3.1 Preliminary / Notation
3.2 [Core Component 1]
3.3 [Core Component 2]
3.4 Training / Optimization
3.5 [Implementation Details] (if space)

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）
• 不同场景难度（室内/室外、简单/复杂）
• 鲁棒性分析（噪声、遮挡、稀疏视角）

英文模板：

4.1 Experimental Setup (datasets, baselines, metrics)
4.2 Main Results (comparison tables)
4.3 Ablation Study (component analysis)
4.4 [Specific Analysis] (e.g., efficiency, generalization)

贡献声明（Contribution Statement）

好的贡献声明：

1. 具体：指明技术机制，而非"提出了一种新方法"
2. 可度量：附带预期指标提升
3. 差异化：清楚说明与已有工作的区别
4. 诚实：不夸大效果

模板：

- We propose [具体技术] that [具体机制]。Unlike [已有工作] which [局限]，our approach [优势]，achieving [具体结果]。
- We introduce [组件] that enables [能力]。This [具体收益]，as demonstrated by [实验/分析]。
- We conduct extensive experiments on [N] benchmarks，demonstrating [具体成果] over [M] state-of-the-art methods。

数学符号规范

详细术语对照表与易错点见 terminology.md，以下为速查。

3DGS 域符号

Symbol	Meaning	Standard Usage
G	A 3D Gaussian primitive	G_i = (μ_i, Σ_i, c_i, α_i)
μ	Mean / center position	μ ∈ R³
Σ	Covariance matrix	Σ = R S Sᵀ Rᵀ, Σ ∈ R³ˣ³
R	Rotation matrix	R ∈ SO(3)
S	Scaling matrix	S = diag(s₁, s₂, s₃)
α	Opacity	α ∈ [0,1] (standard)
c	Color	c = f(SH, direction)
SH	Spherical harmonics	Degree 0-3
T	Transmittance	T_i = ∏ⱼ₌₁ⁱ⁻¹ (1 - αⱼ)

通用 CG 符号

Symbol	Meaning
π	Projection function
J	Jacobian matrix
Σ'	2D projected covariance
L	Loss function
λ	Loss weight
θ	Network parameters
Φ	Scene representation

渲染与重建通用术语

中文	英文	备注
新视角合成	Novel View Synthesis (NVS)	首字母大写
三维高斯泼溅	3D Gaussian Splatting (3DGS)	首次出现写全称
神经辐射场	Neural Radiance Field (NeRF)	首次出现写全称
体密度	Volume density	σ，勿与opacity混用
不透明度	Opacity	α
透射率	Transmittance	T = ∏(1-α)
α合成	Alpha compositing	渲染管线核心操作
运动恢复结构	Structure from Motion (SfM)	初始化步骤
多视角立体视觉	Multi-View Stereo (MVS)	传统重建范式
遮挡关系	Occlusion	多视角几何核心问题

CAD与逆向工程术语

中文	英文	备注
边界表示	Boundary Representation (B-rep)	CAD核心表示
构造实体几何	Constructive Solid Geometry (CSG)	布尔运算建模
参数化建模	Parametric modeling	草图约束→3D
逆向工程	Reverse engineering	点云/网格→CAD
自由曲面	Freeform surface	NURBS/Bézier曲面
容差分析	Tolerance analysis	工程精度

3D形状理解术语

中文	英文	备注
点云分割	Point cloud segmentation	语义/实例/部件级
点云配准	Point cloud registration	ICP及其变体
法线估计	Normal estimation	局部几何特征
形状补全	Shape completion	部分观测→完整形状
3D目标检测	3D object detection	点云/体素/鸟瞰图
部件分割	Part segmentation	按语义部件分解

3D生成与编辑术语

中文	英文	备注
文本到3D	Text-to-3D	大模型驱动
图像到3D	Image-to-3D	单/多视角
3D生成模型	3D generative model	GAN/Diffusion/Flow
形状编辑	Shape editing	变形/风格迁移/局部编辑
几何先验	Geometric prior	深度/法线/表面法
体素化	Voxelization	点云/网格→体素网格

3D场景理解术语

中文	英文	备注
语义分割	Semantic segmentation	逐点/逐面片分类
实例分割	Instance segmentation	区分同类不同个体
场景重建	Scene reconstruction	室内/室外/城市级
SLAM	Simultaneous Localization and Mapping	实时位姿估计与建图
深度估计	Depth estimation	单目/双目/多目
鸟瞰图	Bird's Eye View (BEV)	自动驾驶常用表示
场景流	Scene flow	3D运动场估计

SLAM与压缩术语

中文	英文	备注
前馈重建	Feed-forward reconstruction	单次前向推理，无逐场景优化
压缩	Compression / Compact	减少存储和传输开销
剪枝	Pruning	删除基元
致密化	Densification	增加基元
分裂	Split	大基元→两个小基元
克隆	Clone	复制基元到欠重建区域
哈希网格上下文	Hash-grid assisted context	HAC压缩范式

会议/期刊格式与审稿偏好

CVPR / ICCV / ECCV

维度	规范
页数限制	正文8页 + 参考文献（无上限）
格式	IEEE双栏，LaTeX模板 cvpr.sty
摘要	150-250词，禁止引用
数学风格	编号公式，theorem/definition 环境少见
语言	主动语态可接受（"We propose..."）

审稿倾向与权重：

维度	权重	常见审稿意见
新颖性	高	"与XXX的区别是什么？"
实验充分性	高	"缺少XXX数据集/基线"
定性可视化	中高	"需要更多视觉对比"
写作清晰度	中	"动机不够清晰"
效率分析	中	"推理速度/内存占用？"

• CVPR 2025：投稿13008篇，录用2878篇（录用率22.1%）
• 附带补充材料（supplementary）常见

SIGGRAPH / EG / PG

维度	规范
页数限制	Journal Track: ~8页；EG: 10-12页；PG: 8页
格式	ACM TOG 格式（SIGGRAPH）；CGF（EG）
摘要	200-300词
数学风格	正式定义，lemma/theorem 常见
语言	更叙事化，storytelling style

审稿倾向与权重：

维度	权重	常见审稿意见
技术深度	高	"数学推导是否严谨？"
理论分析	高	"收敛性/复杂度分析？"
美学质量	中高	"视觉质量是否显著提升？"
方法通用性	中	"能否泛化到其他场景？"
实现细节	中	"超参数敏感性？"

• 视觉效果和demo video很重要
• 方法需包含算法伪代码

NeurIPS / AAAI

维度	NeurIPS	AAAI
截稿	通常5月	通常8月
页数限制	正文9页 + 附录	正文7页 + 附录
审稿偏好	理论贡献权重高，偏好有理论保证	接受范围广，偏好清晰技术贡献

TVCG / CGF / ACM TOG

期刊	影响因子	页数	特点
IEEE TVCG	~5.2	12-18页，无严格限制	JCGRT格式，覆盖可视化与图形学
CGF	~2.5	10-15页	EG关联期刊，Wiley出版
ACM TOG	~6.7（图形学最高）	—	SIGGRAPH/EG论文期刊扩展版
IEEE TPAMI	~24	14页	偏重理论，审稿极严

博士论文注意事项

• 每章需独立成体系，包含本章小结
• 创新点声明需在引言末尾明确列出（编号列表）
• 参考文献100篇以上，近3年文献占60%+
• 实验章节需覆盖至少3个不同场景/数据集
• 格式遵循学校模板，注意封面、摘要的中英文版本

常见 Rebuttal 策略

• 新颖性质疑：精确指明技术差异，补充对比实验
• 基线缺失：承认遗漏，补充实验或引用
• 效率质疑：补充FPS/内存/参数量表格

引用核查规范

核查每条引用时需验证：

1. 作者姓名拼写（特别注意ü、ö等特殊字符）
2. 标题大小写（论文缩写如NeRF、3DGS需大写）
3. 期刊/会议名称准确
4. 年份、卷号、页码/文章号
5. arXiv预印本是否已被正式会议接收（如已接收需更新引用格式）

高频事实错误：

• NegGS 的"负不透明度"→ 实为负颜色（opacity仍为非负）
• 6DGS 标注为arXiv→ 已被ICLR 2025接收
• AH-GS → 作者已撤稿
• Ref-NeRF 第一作者 → Verbin D 而非 Barron J T

去AI痕迹规则

必须删除的 AI 写作模式：

AI 模式	修正方式
"It is worth noting that..."	直接删除
"Furthermore, ..." / "Moreover, ..."	直接过渡或删除
"Significantly improves"	写具体指标："improves PSNR by 1.2 dB"
"Effectively addresses"	"addresses"（去掉副词）
"Leverages"	"uses" / "employs" / "builds on"
"Cutting-edge" / "State-of-the-art"	引用具体方法
"In this paper, we propose a novel..."	"This paper proposes..."
三段式排比（A, B, and C）	变换句式
粗体强调（非术语）	仅用于术语的斜体
破折号过多	改写为独立句子
"To the best of our knowledge"	除非确实首次，否则删除
通用乐观结尾	以具体发现或开放问题结尾
"值得注意的是"	直接删除
"不可或缺" / "至关重要"	用 "需要" 或 "是...的关键"

标准学术用语（保留）：

• "本文提出" / "This paper proposes"
• "由此" / "Consequently"
• "与之配套" / "Coupled with"
• "实验结果表明" / "Experimental results show"
• "基于...的观察" / "Motivated by the observation that..."

资源

references/（项目根目录）

• terminology.md — 详细术语对照表与易错点
• venues.md — 各会议/期刊的格式要求与审稿偏好
• baselines.md — 各方向主流基线方法与核心指标
• experiments.md — 标准实验设计与常见数据集配置
• cad-3d.md — CAD/3D方向术语、基线与数据集

Rules

1. Write in flowing prose, never bullet points（贡献声明和itemized lists除外）
2. Every claim needs evidence：引用或实验数据
3. Use mathematical notation efficiently：一个符号，全文统一含义
4. Match the venue's tone：CVPR更精炼；SIGGRAPH更叙事
5. Chinese academic writing：遵循中文学术惯例（本文/我们/由此/表明）
6. Never fabricate data：需要实验数据时，明确标注"设计目标"或"预期值"

If you like it, please star this repo https://github.com/jaccen/Awesome-Gaussian-Skills