图形写稿基础，含teaser figure的特殊排版方法

news/2024/4/27 15:53:50/文章来源:https://blog.csdn.net/qq_38327353/article/details/127529032

写在前面：这是第一次投稿后针对论文写作部分的总结。需要注意的是：老师提了意见，一定要快速改，否则会很恼人。

1. 图片展示

构图要美观，保证横平竖直；
图片中文字保证和文章正文中文字一样大小；
多组图片并行排列时，图片和图片之间的间距不宜过大，且必须保证一致；
图片在正文中不宜覆盖过多面积，应该尽量采用长方形来排列多组图片；
一组图片中如果用了描边框（仅显示描边，中间透明的矩形）来突出细节，应该保证该组图片中的多个描边框的形状、颜色一致，并且禁止花里胡哨，喧宾夺主；
图片中文字如果涉及引用，请标出引用；
time cost分析可以用堆叠柱状图展示（代码见附录1）。

2. 陈列公式

操作符用花体，如果遇到A乘B在表中展示，应该使用AxB而非A*B，并且用行内公式符号$$框起来（称号用花体）；
Section、公式、表、图在原文中的引用（使用\label标签），应该用文字简要描述，而不是用数字；
单词在公式中要取消掉默认的斜体：\rm xxx；
积分公式中的d不是斜体，请用\rm d取消斜体；
公式符号要有意义，而不是简单的a、b、c、d；
渲染方程等公式中的位置应该用x，而非P；

3. 正文部分

正文中（包括图表）只要文字后有小括号，小括号左边必须有一个空格，例如：the bidirectional reflectance distribution
function (BRDF)；
Figure xx、Equation xx，这些必须带引用，而且不需要加粗；
如果文章中第一次出现某缩写术语，应该描述全，例如：spp (samples per pixel)，或samples per pixle (spp)；
统一图形渲染中常用的术语：calculatate -> compute，Build（名词） -> Construction，realtime -> real-time，RAM -> system memory，VRAM -> video memory；
Radiance Caching（Radiance）和Light Probes（irradiance）不是一回事；
公式符号说明表叫：Notations。表中陈列的公式符号简介中，为了排版好看，可以使用简写，例如：coefficients -> coeffs；排列时按照类别把相关的符号放到一起；
一句话，不要一半加粗，一半不加粗，会显得很怪，应该都不能加粗；
正文中出现符号应用$$封起来，而且如果用到phi，应该写为希腊字母的形式，否则会被认为是不专业；
实时的项目最好提前设计好profiling，当然也要兼顾性能；
Relighting和Reconstruction的区别：Relighting对应的光源是动态变化的；
Section的标题应该用名词性词组，而不是动词性词组（仅开头单词首字母大写）；
描述阴影还原程度用高频/全频（high-frequency / full-frequency）而不是高精度（high-precision）；
基（函数），basis 单数，例如：a wavelet basis；bases 复数，例如：by using bases such as SH；
大型算法流程图不宜太细，最好用典型的可视化过程图串/并联起来显示，并在题目中解释图片内容；
题目/预算图（teaser figure），是放到文章最开始的图，一般用于展示实验结果；有时候在正文的tex文件中无论如何都加不上（排版问题），可以把对应的程序放到控制style的.sty文件中，同时写法也发生了变化（这里指latex语法），见附录2。

4. 分节介绍

Abstract：摘要非常重要，一般定下粗稿后需要接着写摘要。摘要提交会比正文早。摘要内容不会描述算法细节，基本思路是：陈述待解决目标/问题是什么；目前有哪些算法并不能满足质量和性能的要求；因此我们提出了什么方法；结果是什么（有多好）；有什么应用；
Introduction：介绍部分有点像扩充内容的摘要，不过依旧不会介绍我们算法的详细细节。先介绍目标效果是什么然后表示目前的方法很难做到；再介绍我们目标中的限定条件，比如：static light，static geometry，etc. 然后根据限定条件来介绍其他人用了什么方法（禁止讨论细节）来达到不错的效果以及不足；接着讲我们方法旨在什么目标，为此用了什么手段（禁止讨论细节，讲清楚用了什么方法即可，要有一定的概括能力）；最后说我们方法的结果和性能；
Previous work：同样这里仅介绍在我们给出的限定条件下的方法，做好分类，采用开头（名词性词组）加粗+分段的方式排版，介绍方法时仍然不需要太细（你是来讲教科书的吗？（不是）），用最让人容易理解的语言，把别人用了什么方法讲清楚即可，不要讲废话，要让别人读了你的内容有所收获；
Background and overview：主要介绍别人的公式背景，注意要简练，备注全引用；
方法部分：由于我们算法分成了预计算和运行时两大部分，每部分内容比较多，所以将方法部分拆分成了两章。为了保证章节连贯和阅读体验，我们在前一章的Background部分加了overview，用来从high-level（不应该太细）上来概括下面两章方法部分的内容，让读者先有个大概的了解。方法部分的这两章不会讨论程序细节，如果有且比较重要的请放到Implementation介绍；
Implementation details：在这里讲实施环境，包括实现的项目中的pass的构成、实施的框架等，同样如果内容偏多，则分类后按开头加粗+分段的方式排版；
Results：这部分介绍结果和limitation。Results部分开头介绍我们的方法和对比方法的实现框架（自己写的，还是取的是released codes）；然后从多角度介绍我们的结果和对比方法的区别。Results部分必须明确的是我们需要展示两部分内容：1.设定参数下，效果有多好；2.如果要达到不错的性能和效果，是如何优化参数。提供图表来展示time cost，storage cost。
Conclusion and future work：总结部分介绍我们用的方法以及有什么好的结果，最后的Future work要写大一点的内容，必须引入机器学习优化，并对path guilding算法提供指导等。

5. 其它

绘制图表（转latex）的网站：tablesgenerator.com;
pdf压缩网站（用于正文中figure的压缩）：ilovepdf.com，选轻度压缩选项就够了。

附录1. 堆叠柱状图

# coding = 'utf-8'
import pandas as pd
from matplotlib import pyplot as plt
plt.rc('font',family='Times New Roman')if __name__ == '__main__':data = pd.read_csv('data.csv', index_col='Scenes')data1 = data[['Raytracing', 'Reconstruction', 'Others']]data1.plot(kind='barh', use_index=True, stacked=True, title='', fontsize=15)plt.xlabel('Time cost (ms)', fontsize=17)plt.ylabel('Scene', fontsize=17)plt.show()