企业官网建设流程全解析

每年9月，研一新生和准备投论文的同学问得最多的一个问题就是：“CCF A类会议到底有哪些？计算机视觉方向该投哪个会？”这个问题看似简单，但真要答清楚，并不容易。因为CCF推荐目录不只是按“难不难中”来分级的，它背后有一套以领域影响力、学术声誉、录用标准为核心的评价逻辑。尤其对计算机视觉和图像处理这个方向来说，A类、B类、C类会议覆盖的范围非常广，选错了不仅可能白费几个月的实验，还可能影响毕业节奏。

这篇文章我就把计算机视觉及图像处理领域里，CCF推荐的A/B/C类会议全部梳理一遍。会逐个说清楚每个会议的核心定位、论文风格、投稿难点，以及什么人适合投什么会。最后再结合我自己的投稿经验，聊聊选会策略和踩过的坑。无论你是刚入门的研一学生，还是想转投其他会议的老手，这篇都值得收藏。

1. 一张推荐目录，为什么成了圈内“硬通货”

1.1 CCF推荐目录的由来与分级逻辑

CCF（中国计算机学会）推荐国际学术会议和期刊目录，最早可以追溯到2008年前后。当时国内高校和科研机构在评价学术成果时缺乏统一参考，不同单位对“什么水平的论文算好工作”理解差异巨大。CCF组织了一批领域专家，参考国际学术界的会议影响力、历年录用情况、业内口碑等因素，制定了这份目录。目录分为A、B、C三个等级，A类代表该领域顶尖会议，B类是重要会议，C类是一般会议。之后每隔几年更新一次，最近一次大规模更新是2022年公布的版本，目前国内大多数高校和实验室都以此为基准。

这套分级逻辑并不是简单的“录取率越低级别越高”。比如有些会议投稿量巨大、录取率很低，但因为学科方向相对小众，影响力集中在特定圈子，CCF仍然只给它B类或C类。反过来，有些会议录取率不算特别低，但因为文章传播度广、引用率高、工业界认可度高，照样是A类。所以在看级别之前，要先理解：CCF目录本质上是一个“学术圈内部共识的数字化表达”，它跟“单篇论文难度”不完全等价。

1.2 计算机视觉和图像处理，对应目录里的哪些子领域

计算机视觉和图像处理方向的论文，在CCF目录里通常分布在两个子领域：一个是“人工智能”，另一个是“计算机图形学与多媒体”。人工智能子领域的A类会议包括AAAI、NeurIPS、ACL、CVPR、ICCV、ICML、IJCAI等；B类包括ECCV、BMVC、ACCV、ECML-PKDD等；C类包括ICPR、ICONIP等。计算机图形学与多媒体子领域的A类会议包括SIGGRAPH、ACM MM；B类有ICIP、ICME等；C类则有VCIP等。

这也解释了一个很多新手困惑的问题：为什么有些会议听名字是“图像处理”方向，却被归在多媒体或图形学子领域？因为图像处理的底层方法论（信号处理、编码、压缩、增强）和多媒体系统关系密切，而计算机视觉的高层语义理解（检测、分割、识别）则更偏向人工智能。理解了这个归属逻辑，你投论文时就不会只看会议名字，而会更关注它真正关心的问题。

1.3 目录不是法律，但大多数人把它当尺子

一定要强调：CCF目录不是强制性法律条文。不同学校、不同导师对级别的认定存在差异。有的学校要求毕业必须发一篇A类会议，有的学校认可A类和B类，还有的学校规定“CCF推荐目录内即可”。个别课题组内部还会把ECCV、ICLR这类有争议的会议单独认定，比如“视同A类”或“按B类算”。所以在投稿之前，第一件事是查清楚自己单位的认定规则，而不是先按名气大小排优先级。目录是行业通用的尺子，但最终能不能用来量你的毕业要求，还是看学校怎么拿这把尺子。

2. A类会议逐个说：CV顶会与外圈强援

2.1 计算机视觉三大顶会：CVPR、ICCV、ECCV

CVPR（IEEE Conference on Computer Vision and Pattern Recognition）是目前公认的计算机视觉领域第一会议。每年6月在美国举办，近年投稿量一直在涨，2024年投稿量突破一万篇，录用率稳定在22%到25%之间。CVPR的论文风格非常“吃实验”，一篇能被录用的工作通常要有清晰的motivation、方法上有一定新颖性、实验部分覆盖多个数据集并有明显涨点。审稿流程是双盲，需要作者在rebuttal阶段针对审稿人的质疑给出高质量回复。

ICCV（International Conference on Computer Vision）是两年一届的老牌顶会，奇数年举办，由IEEE主办。在很多老一辈学者眼中，ICCV的历史地位甚至高于CVPR，早期很多经典工作（比如光流、SLAM、目标检测的奠基性研究）都发表在ICCV上。近年来ICCV和CVPR的录用难度、审稿标准基本持平，但投稿量略少，所以机会没说更大，但reviewer的分布略有不同，更看重方法的新颖性。

ECCV（European Conference on Computer Vision）是偶数年在欧洲举办的顶会，和ICCV交替分布。这里要重点提一句：在CCF目录中，ECCV并不在A类列表里，而是被放在B类，这也是很长一段时间内国内学术圈讨论的话题。但在学术口碑上，ECCV和CVPR、ICCV并称“CV三大顶会”是没问题的。如果你所在学校只看CCF目录，投之前先确认清楚。

2.2 人工智能方向的A类强援：AAAI、NeurIPS、ICML、IJCAI

计算机视觉的研究者，投稿范围绝不限于CVPR/ICCV/ECCV。AAAI每年2月举办，偏重人工智能的通用问题，视觉常识推理、视觉问答、多模态理解这类方向非常适合AAAI。NeurIPS每年12月举办，机器学习方向，很多基于Transformer、扩散模型、自监督学习的视觉工作都优先投NeurIPS。ICML在每年7月前后举办，风格和NeurIPS接近，但更看重理论贡献。IJCAI早期是两年一届，2015年之后改为每年一届，投稿方向覆盖整个AI领域，视觉部分通常更强调“智能”层面的问题，而非纯底层的图像处理。

这些AI方向A类会议的视觉论文，和纯CV会议的论文有比较明显的风格差异。CVPR更在意“这个视觉任务做得怎么样”，NeurIPS/ICML更在意“这个方法有没有普适的机器学习价值”。同一个工作，如果你的创新点在网络结构或训练策略，投NeurIPS可能比投CVPR更合适；如果你的创新点在特定视觉任务的数据集、评测和分析，那CVPR更对口。

2.3 多媒体与图形学方向的A类选择：ACM MM、SIGGRAPH

ACM Multimedia（ACM MM）是多媒体领域的A类会议，接收的内容包括图像视频检索、多模态理解、音视频处理、跨媒体分析等。如果你做的工作是“视觉+文本+音频”多个模态结合，或者偏大规模检索系统，投ACM MM会很契合。它的录取难度相比CVPR稍低一些，但因为投稿量大，竞争依然激烈，论文需要有完整的系统性和应用价值。

SIGGRAPH则是计算机图形学方向的顶会，CCF目录里也是A类。视觉和图形学的交叉越来越多，包括神经渲染、计算摄影、三维重建等方向在SIGGRAPH上频繁出现。但SIGGRAPH对论文的完整性、工程实现、视觉效果要求极高，而且很多论文还要求提交视频和可执行demo。做纯视觉算法的人投SIGGRAPH会有点吃亏，除非工作本身有很强的图形学属性。

2.4 A类会议横向对比表

3. B类会议详解：稳扎稳打的“中坚力量”

3.1 ECCV、BMVC与ACCV：视觉方向的B类选择

除了前面提到的ECCV，视觉方向最常见的B类会议还有BMVC和ACCV。BMVC（British Machine Vision Conference）每年9月在英国举办，是英国乃至欧洲视觉圈的“半个主场”。它没有官方录用率，但实际接收比例通常在30%到40%之间，审稿周期比较友好。很多CVPR、ICCV被拒的稿件，修改后都能在BMVC找到归宿。而且BMVC的论文在Google Scholar上的引用表现并不差，尤其在欧洲学术圈认可度很高。

ACCV（Asian Conference on Computer Vision）是亚洲视觉会议，通常在每年11月到12月举办，由亚洲计算机视觉联合会主办。ACCV的审稿风格介于BMVC和ECCV之间，对novelty的要求没有顶会那么高，但实验仍然要完整。对于国内学生来说，ACCV的投稿体验比较友好，审稿人中亚洲学者比例高，对中文作者的写作风格也更熟悉一些。

3.2 ICIP与ICME：图像/多媒体应用的老牌阵地

IEEE ICIP（International Conference on Image Processing）是图像处理方向历史最悠久的会议之一，CCF目录中属于B类。它由IEEE信号处理协会主办，内容覆盖图像增强、去噪、超分辨、压缩、重建等低级视觉任务，审稿速度很快，录用率大约45%-50%。做传统图像处理算法（非深度学习）的同学，ICIP是非常对口的选择。即便是深度学习方向的图像处理，如果创新点在于具体的处理任务而不是通用网络架构，投ICIP也容易被接受。

ICME（IEEE International Conference on Multimedia and Expo，即IEEE多媒体与博览会国际会议）同样是B类，每年7月前后举办。ICME强调“多媒体技术+系统实现”的结合，不只要求算法好，还希望你有完整的系统演示或工程实现。图像处理、视频编码、流媒体、AR/VR相关的应用型研究都很匹配。ICME的oral和poster划分也比较明确，能拿到oral的工作通常要有较强的应用落地点。

3.3 ICASSP：信号处理背景下的图像方向

ICASSP（IEEE International Conference on Acoustics, Speech and Signal Processing）在CCF目录中属于B类，每年4月至5月举办。很多人以为它只收语音、声学方向的论文，实际上ICASSP设有图像/视频处理和多媒体信号处理的分轨，图像增强、视频分析、压缩感知等方向都能找到对应的section。ICASSP的特点是审稿快、录用率高（大致在45%-50%）、会议规模大，系统性很强。如果你的工作偏信号处理理论，比如滤波器设计、稀疏表示、采样理论，ICASSP比纯CV会议更合适。

3.4 B类会议适合谁投

总结一下，B类会议最适合下面这几类人：第一，研二学生手头有一个完整但创新性不够突出的工作，需要赶在毕业前发一篇有分量的论文；第二，想做图像处理方向、但工作更偏工程应用而非提出新模型的研究者；第三，已经投过A类被拒，希望根据审稿意见修改后快速再投的团队。B类会议虽然名气不如A类，但录用率和审稿速度上的优势非常明显，完全可以作为一篇论文的“最终归宿”。

4. C类会议与第二梯队：别小看这些“潜力股”

4.1 ICPR与WACV：被严重低估的两个C类

ICPR（International Conference on Pattern Recognition）是模式识别领域历史最悠久的会议之一，偶数年举办，CCF目录中属于C类。ICPR的覆盖面非常广，从底层图像特征到高层视觉识别都收，录用率常年保持在50%左右，审稿也比较宽容。对于刚接触科研的本科生、研一新生来说，ICPR是练手的好地方，能完整走一遍投稿-审稿-修改-发表流程。

WACV（IEEE/CVF Winter Conference on Applications of Computer Vision）近几年有点“C类会议中的黑马”味道。每年1月在美国举办，接收率逐年下降，已经接近30%，在应用类视觉研究中口碑很好。WACV强调“应用驱动”，目标是缩小算法研究与真实场景落地之间的距离。工业界的研究者、需要快速验证应用价值的团队，倾向于投WACV。它的论文质量和引用表现不比一些B类会议差，只是由于进入CCF目录时间较晚，级别定在C类。

4.2 VCIP等面向工程与行业应用的C类

VCIP（IEEE International Conference on Visual Communications and Image Processing）是CCF目录中偏视频编码和图像通信方向的C类会议。视频压缩、点云编码、流媒体传输、图像质量评价等方向在VCIP上比较多。这个会议和学术界热门方向有一定距离，但在工业界尤其是视频编解码领域口碑很好。如果你在音视频实验室做编码标准相关工作，VCIP几乎是必投的会议。类似的还有ICIAP（International Conference on Image Analysis and Processing），更偏图像分析和处理应用，欧洲学者参与度较高。

4.3 C类会议的典型使用场景

C类会议的价值常常被低估。在三种情况下，C类会议其实是很好的选择：一是时间紧迫，论文已经成稿但A/B类截稿日期都赶不上，C类会议可以保证成果尽快公开；二是工作属于“工程完整但理论深度有限”的类型，投C类会议更能突出工程价值；三是学生初次投稿，需要先熟悉学术发表的基本流程和审稿机制。我自己见过不少学生，第一篇C类会议论文之后，第二篇直接中CVPR，原因就是通过C类会议把实验组织、写作、rebuttal这些基本技能练扎实了。

5. 投稿策略与避坑心得：从选会到中稿的距离

5.1 选会四步法：级别、周期、录用率、方向契合度

面对这么多会议，怎么精准选出适合自己的那一个？我总结了一个“四步法”。

第一步，看级别够不够。先问清楚学校/实验室毕业要求是A类、A+B类，还是不限制级别。这一步直接过滤掉一半选项。第二步，看截止时间。CVPR截稿一般在前一年11月，NeurIPS在5月，AAAI在8月到9月，ICASSP在9月前后，ICIP一般在1月前后，WACV在7月前后。不同会议截稿时间差异很大，必须倒排工期。第三步，看录用率。方法不成熟的新手，不要一开始就死磕25%的会议；工作完成度高的时候，也不用委屈自己投50%的会议。第四步，看论文方向与会议主题的匹配度。这个最简单也最容易被忽略——一个做图像压缩的工作投CVPR很可能因为“缺乏视觉高层语义”被拒，但投ICIP或VCIP就非常合理。

5.2 会议与期刊怎么搭配更合理

很多学生只盯着会议，忽视了期刊。其实计算机视觉领域的期刊含金量同样很高，CCF推荐的A类期刊包括TPAMI（IEEE Transactions on Pattern Analysis and Machine Intelligence）、IJCV（International Journal of Computer Vision）、TIP（IEEE Transactions on Image Processing）等。和会议相比，期刊审稿周期长、发表速度慢，但篇幅不受限，可以把方法讲得更完整，评价体系中往往比会议论文更重。

一个常见的操作是“会议+期刊”扩展发表：先投CVPR/ICCV/BMVC等会议做首次公开，再在此基础上扩展30%以上的新内容，投期刊长文。这种做法学术圈普遍认可，前提是扩展内容足够多，不能只是简单翻译。我个人建议，做3年制硕士的同学，第一篇论文可以考虑投B类会议+扩展期刊的组合，既保证了成果快速落地，也在毕业时多一份期刊论文的积累。

5.3 我的投稿时间线参考

以投CVPR为例，我一般按这个时间线来准备：前一年7月确定选题和baseline实验；9月完成方法雏形，开始跑核心实验；10月中旬完成初稿并内部互审；10月底到11月初根据反馈修改；11月截稿前一周完成最终版和补充材料。投完CVPR之后，不管中不中，如果实验还有扩展价值，我会在次年1月把修改稿转向WACV（1月截稿）或者ICIP（1月前后截稿），实现“双保险”式推进。

5.4 那些我在投稿路上踩过的坑

踩坑一，一稿多投。同一篇论文同时投两个会议，是学术不端，一旦查出会上失信名单，这个后果比论文被拒严重得多。踩坑二，被拒后“原地转头”不改就重投同一个级别的会议。审稿人之间的圈子很小，如果你一字不改投到另一个会议，遇到了同一个reviewer，基本就是秒拒。正确的做法是，认真消化所有审稿意见，哪怕是提到“这个baseline对比不充分”这样的小问题，也要补充实验后再投。踩坑三，只看CCF级别、不看会议实际风格。比如把纯图像处理的工作投到NeurIPS，你的方法再扎实，只要没有机器学习层面的通用创新，审稿人第一轮就可能给reject。

还有一个比较隐蔽的坑：部分会议的“Workshop”不是CCF推荐目录里的正式会议。很多学生投了某个顶会的workshop，觉得算一篇顶会论文，实际上在多数学校评价体系中workshop是单独分类的，价值远低于正式主会论文。投稿前一定要看清是Main Conference还是Workshop。

5.5 给新手的实操建议

对第一次投计算机视觉会议的读者，我的建议是先不要定太高的目标，不妨拆成三步走。第一步，从CCF C类或B类会议中选一个截稿时间比较宽松的，比如ICPR、ICIP，把手头工作完整写出来投出去，走一遍全流程。第二步，认真复盘审稿意见，尤其是那些“方法对比不够”“实验设置不合理”之类的意见，把对应的实验补齐。第三步，再用这个增强版的工作去冲B类或A类。

如果已经有一个颇具创新性的工作，可以直接冲CVPR/ICCV/ECCV，但前提是实验部分要有多个数据集、多个baseline的充分对比。视觉顶会最反感的就是“单数据集、单指标、无消融”，这一点几乎每年都在审稿意见里反复出现。实验做到位之后，再花时间打磨图表和写作——顶会投稿中，图表清晰度的权重远比你想象的大，第一轮审稿时reviewer平均只花30分钟到1小时读你的论文，图不行，文字再深也很难救回来。

5.6 如何快速查询最新截稿日期和会议信息

CCF官网有推荐目录的查询页面，可以选择子领域和级别，查看所有会议列表，这是最权威的信息来源。具体截稿日期则建议关注会议官网和学术日历类网站，会比论坛上的信息更可靠。需要注意的是，CCF目录版本会不定期更新，看的时候要确认你看的是不是最新版。如果你所在学校有自己的“参考目录”或“认定细则”，一定要以学校文件为准，这才是影响你毕业和评奖的最终依据。