Cg Paper Writing

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）。

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：

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：

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。

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：

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？" |

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？" |

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

常见 Rebuttal 策略

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：

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）：

资源

references/（项目根目录）

2025-2026 近期重要论文（引用参考）

| Venue | Method | ArXiv | 核心贡献 | |-------|--------|-------|----------| | SIGGRAPH 2026 | Structure-Aware Densification | 2604.28016 | Frequency-aware anisotropic splitting，替代vanilla 3DGS的均匀split策略 | | ICLR 2026 | FieryGS | 2605.00177 | Physics-integrated fire synthesis，将火焰动力学融入Gaussian渲染 | | ICML 2026 Spotlight | SplAttN | 2605.01466 | Gaussian soft splatting for point cloud understanding | | CVPR 2026 | GLMap | 2605.01736 | Gaussian-Language Map，语言引导的Gaussian场景表示用于导航 | | CVPR 2026 Findings | Softmax-GS | 2604.27437 | Softmax competition rendering，替代α-compositing混合机制 | | SIGGRAPH 2026 | LeGS | 2605.00408 | RL-based density control，替代heuristic clone/split/prune | | CVPR 2026 | 2D-SuGaR | 2605.00569 | Surface-aware 2DGS with depth/normal priors，改进表面提取质量 | | arXiv 2026 | GETA-3DGS | 2605.02086 | Joint pruning + quantization for 3DGS compression | | arXiv 2026 | GOR-IS | 2605.00498 | Intrinsic decomposition editing for Gaussian scenes |

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

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