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 MMB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、ECCVCVPRIEEE 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。ICCVInternational 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。ECCVEuropean 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、SIGGRAPHACM MultimediaACM 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类会议横向对比表会议全称周期常见截稿时间主要偏重方向CVPRIEEE Conference on Computer Vision and Pattern Recognition每年前一年11月前后视觉识别、检测、分割、生成、三维视觉ICCVInternational Conference on Computer Vision两年一届奇数年会议前一年3月前后视觉核心算法、底层视觉、表征学习ECCVEuropean Conference on Computer Vision两年一届偶数年会议前一年3月前后与ICCV接近AAAIAAAI Conference on Artificial Intelligence每年前一年8-9月AI通用、视觉推理、多模态NeurIPSAnnual Conference on Neural Information Processing Systems每年当年5月前后机器学习方法论、视觉表征、生成模型ICMLInternational Conference on Machine Learning每年当年1月前后机器学习理论、优化、视觉应用IJCAIInternational Joint Conference on Artificial Intelligence每年前一年12月前后AI全领域、智能体、视觉与知识ACM MMACM International Conference on Multimedia每年当年4月前后多媒体系统、跨模态、检索SIGGRAPHACM SIGGRAPH Conference on Computer Graphics每年前一年1月前后图形学、渲染、计算摄影、3D重建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。BMVCBritish 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。ACCVAsian 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 ICIPInternational 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。ICMEIEEE 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ICASSPIEEE 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ICPRInternational 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。WACVIEEE/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VCIPIEEE 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ICIAPInternational 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、AB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TPAMIIEEE Transactions on Pattern Analysis and Machine Intelligence、IJCVInternational Journal of Computer Vision、TIPIEEE 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WACV1月截稿或者ICIP1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。