---

一、網(wǎng)址

• ACM MM2023 主頁：

  • https://www.acmmm2023.org/

• Call for Papers:

  • https://www.acmmm2023.org/cfp/

• 論文模板：

  • https://www.acm.org/publications/proceedings-template

---

二、重要時(shí)間點(diǎn)

• 論文摘要截止日期
  • Paper abstract deadline (firm deadline, no extension): 23 April 2023
• 論文提交截止日期
  • Paper submission deadline (firm deadline, no extension): 30 April 2023
• Regular Paper Reviews To Author: 2 July 2023
• Regular Paper Rebuttal Deadline: 6 July 2023
• Notification: 25 July 2023
• Camera-ready Submission: 10 August 2023
• Conference dates: October 28, 2023 – November 3, 2023

---

三、論文篇幅要求

• 會(huì)議 6至8頁不等長(zhǎng)度的研究論文

  • 以及參考頁的額外頁面;即參考頁不計(jì)入6至8頁的頁數(shù)限制。

• The conference invites research papers of varying length from 6 to 8 pages, plus additional pages for the reference pages; i.e., the reference page(s) are not counted towards the page limit of 6 to 8 pages.

  • Please note that there is no longer a distinction between long and short papers, but the authors may themselves decide on the appropriate length of the paper.
  • All papers will undergo the same review process and review period.

Length:

• As stated in the CfP, submitted papers may be 6 to 8 pages.
• Up to two additional pages may be added for references.
• The reference pages must only contain references.
• Overlength papers will be rejected without review. Optionally, you may upload supplementary material that complements your submission (100Mb limit).

---

四、征稿主題

1. Theme: Engaging users with multimedia
   • Emotional and Social Signals
   • Multimedia Search and Recommendation
   • Summarization, Analytics, and Storytelling

1. 主題: 用多媒體吸引用戶

• 情感和社會(huì)信號(hào)
• 多媒體搜索和推薦
• 總結(jié)、分析和講故事

2. Theme: Experience
   • Interactions and Quality of Experience
   • Social-good, fairness and transparency
   • Metaverse, Art and Culture
   • Multimedia Applications

2. 主題: 經(jīng)驗(yàn)

• 互動(dòng)和體驗(yàn)質(zhì)量
• 社會(huì)公益、公平透明
• 元宇宙、藝術(shù)與文化
• 多媒體應(yīng)用

3. Theme: Multimedia systems
   • Systems and Middleware
   • Transport and Delivery
   • Data Systems Management and Indexing

3. 主題: 多媒體系統(tǒng)

• 系統(tǒng)和中間件
• 運(yùn)輸及交付
• 數(shù)據(jù)系統(tǒng)管理和索引

5. Theme: Understanding multimedia content、
   • Multimodal Fusion and Embedding
   • Vision and Language
   • Media Interpretation

5. 主題: 理解多媒體內(nèi)容，

• 多模態(tài)融合和嵌入
• 視覺和語言
• 媒體解說

• 多模態(tài)融合和嵌入

  • 在現(xiàn)實(shí)世界中，有些問題只能通過多種媒介和/或模式的組合來解決。
  • 本主題尋求如何嵌入和融合多視角媒體信息的新見解和解決方案，以解決新問題和創(chuàng)新應(yīng)用。

• 視覺和語言

  • 最近的研究以不同的方式推動(dòng)了視覺和語言的融合，例如字幕、問答和多模式聊天機(jī)器人。
  • 該領(lǐng)域?qū)で笮碌慕鉀Q方案和結(jié)果，這些解決方案和結(jié)果特定于結(jié)合或彌合視覺和語言的問題。

• 媒體解讀

  • 該領(lǐng)域?qū)で笠匀魏涡问?strong>對(duì)媒體相關(guān)信息進(jìn)行新穎處理，從而產(chǎn)生解釋多媒體內(nèi)容的新方法。
  • 示例包括處理圖像、視頻、音頻、音樂、語言、語音或其他感官模式，以進(jìn)行解釋、知識(shí)發(fā)現(xiàn)和理解。

---

五、論文格式相關(guān)要求

提交的論文（.pdf格式）必須使用 ACM 文章模板。

Please remember to add Concepts and Keywords

• 模板下載：
  • https://www.acm.org/publications/proceedings-template

Please use the template in traditional double-column format to prepare your submissions.

• For example, word users may use Word Interim Template, and latex users may use sample-sigconf template.
• 請(qǐng)使用傳統(tǒng)雙欄格式的模板來準(zhǔn)備您的提交。比如word用戶可以使用Word Interim Template，latex用戶可以使用sample-sigconf模板。

“雙盲”：

• 提交的論文必須符合“雙盲”評(píng)審政策。這意味著作者不應(yīng)該知道他們論文的審稿人的名字，審稿人也不應(yīng)該知道作者的名字。請(qǐng)以保護(hù)作者匿名的方式準(zhǔn)備您的論文。
  • 不要把作者的名字放在標(biāo)題下面
  • 在提及作者的早期出版物時(shí)，避免使用諸如“我們以前的工作”之類的短語。
  • 刪除致謝中可能識(shí)別作者身份的信息（例如，同事和資助 ID）。
  • 檢查補(bǔ)充材料（例如，視頻剪輯中的標(biāo)題或補(bǔ)充文件）以獲取可能識(shí)別作者身份的信息。
  • 避免提供指向可識(shí)別作者身份的網(wǎng)站的鏈接。

沒有適當(dāng)盲法的論文將被直接拒絕而不經(jīng)審查。

---

六、論文模板修改成投稿模式

• 論文模板下載：

  • https://www.acm.org/publications/proceedings-template
    

• 壓縮包解壓
  acmart-primary.zip

• 選擇模板

  • 壓縮包里的samples文件夾里包含ACM 的一系列模板
  • sample-authordraft.tex或者sample-sigconf.tex均可
    

• 修改模板

  • 首先將 \documentclass[sigconf,authordraft]{acmart}
    • 改成 \documentclass[sigconf,review,anonymous]{acmart}
  • 然后將 %%\acmSubmissionID{123-A56-BU3} 這個(gè)注釋打開
    • 并修改為自己注冊(cè)的號(hào)碼\acmSubmissionID{123}
    • 基礎(chǔ)匿名版本就得到啦

• 微調(diào)

  • 圖片中紅色框出的是模板里自帶的，投稿情況下可以保留也可以刪除

    • 

  • 官網(wǎng)沒有對(duì)此的明確說明，但大家是默認(rèn)刪除是可以的

  • 刪除1，在tex添加以下語句

    • \renewcommand\footnotetextcopyrightpermission[1]{}

  • 如果不刪除1，想要保留

    • 請(qǐng)修改tex里為當(dāng)年的MM信息
    • 比如2022年的如下：

\setcopyright{acmcopyright}
\copyrightyear{2022}
\acmYear{2022}
\acmDOI{XXXXXXX.XXXXXXX}%% These commands are for a PROCEEDINGS abstract or paper.
\acmConference[MM '22]{Proceedings of the 30th ACM International Conference on Multimedia}{October 10--14, 2022}{Portugal, Lisbon}
\acmBooktitle{Proceedings of the 30th ACM International Conference on Multimedia (MM '22), October 10--14, 2022, Portugal, Lisbon}
\acmPrice{15.00}
\acmISBN{978-1-4503-XXXX-X/18/06}

• DOI信息

  • 記得摘要截止提交后，會(huì)郵件發(fā)給作者，加上就行

• 刪除2

  • 很easy
  • 添加如下語句就可以
    • \settopmatter{printacmref=false} %remove ACM reference format

上述參考

https://zhuanlan.zhihu.com/p/491172953

---

七、模板使用相關(guān)

模板的使用

• 投稿是ACM 下的 multi mudie 會(huì)議 ， 使用sample-sigconf模板。
  • 新建一個(gè)文件夾將acmart-master中acmart.cls 、acmart.bib、ACM-Reference-Format.bst及samples文件夾下sigconf拷入，編譯即可。
  • 報(bào)錯(cuò)是因?yàn)闆]有考入sample下的圖片sample-franklin.png。
  • 另外。Texstudio的編譯改為Xelatex。
  • 之后，復(fù)制粘貼就行。

公式的編輯

• 公式分為兩種：行內(nèi)和行間。

  • https://blog.csdn.net/beta_2187/article/details/79980281
  • 這篇博客對(duì)公式插入做了整理。

• 下面是對(duì)sample-sigconf模板的總結(jié)。

  • 首先說需要注意的問題.
  • 1 數(shù)學(xué)公式中有時(shí)候會(huì)出現(xiàn)文字(中文或英文),
    • 需要將文字用命令 \text{…} 包起來.
    • 如果將文字不加處理, 直接寫到公式里面會(huì)出現(xiàn)如下問題:https://blog.csdn.net/beta_2187/article/details/79980281
  • 2 上下標(biāo)
    • \max_{k=1,2,…,K} 上下結(jié)構(gòu)
    • max_{k=1,2,…,K} 左右結(jié)構(gòu)
  • 3 數(shù)學(xué)希臘字符
    • https://jingyan.baidu.com/article/4b52d702df537efc5c774bc9.html

• 公式

  • 行內(nèi)公式
    • 方法：$…$來表達(dá). $前后一般要有空格, 除非公式后面有標(biāo)點(diǎn)符號(hào).
  • 行間公式
    • 行間公式有編號(hào)與不變號(hào)
  • 編號(hào)公式
    • 單行
      • 單行編號(hào)
      • 單行不編號(hào)
    • 多行
      • 多行不編號(hào)
      • 多行編號(hào)
      • 參考博客：https://blog.csdn.net/beta_2187/article/details/79980281

• 圖片插入

  • 這里只說明組合圖
    • 在原模板中加入\usepackage{subfigure}
    • 上下組合圖
    • 左右組合圖

• 插入表格

  • 合并列\multicolumn{2}{c}{CityPersons}
  • 注一下, 這里的 分列都是通過合并操作完成的

---

八、關(guān)于圖片方面的問題

經(jīng)常在word中畫圖的同學(xué)，得先先在電腦里面安裝好一個(gè)Adobe acrobat professional

• 將word畫布里面的圖復(fù)制出來，放到一個(gè)新建的word文件里

  • 這一步很關(guān)鍵，不然雖然能夠導(dǎo)出正確的pdf，但是用pdf生成eps時(shí)會(huì)出錯(cuò)。

• 將新建的word文件里的圖選擇另存為pdf格式

• 然后用Adobe acrobat professional打開生成好的pdf圖，選擇工具里面的高級(jí)編輯工具，將圖片周圍空白的地方裁減掉

• 然后另存為eps格式。

• 注意，保存圖片的時(shí)候一直報(bào)錯(cuò)，異常和內(nèi)存不夠。

  • 換了smart pdf 就解決了。https://smallpdf.com/cn/pdf-converter

---

九、Review and Rebuttal

每份提交將由至少三名審稿人審閱。
收到評(píng)論后，作者可以選擇提交反駁，以在提交系統(tǒng)的界面中以純文本形式處理評(píng)論者的評(píng)論。

• 對(duì)此有 5000 個(gè)字符的限制。
• 請(qǐng)注意，作者反駁是可選的，它旨在為您提供反駁事實(shí)錯(cuò)誤或提供審稿人要求的額外信息的機(jī)會(huì)。
• 它無意添加原始提交中未包含且審閱者未要求的新貢獻(xiàn)（定理、算法、實(shí)驗(yàn)）。
• 作者可以選擇聯(lián)系作者的代言人，其職責(zé)是傾聽作者的意見，并在評(píng)論質(zhì)量明顯低于平均水平時(shí)為他們提供幫助。作者代言人獨(dú)立于技術(shù)計(jì)劃委員會(huì)運(yùn)作。

---

十、ACM MM2022相關(guān)論文參考

• 師廣琛同學(xué)論文被ACM MM(CCF-A)錄用

  • https://zhuanlan.zhihu.com/p/549247763
  • ACM Multimedia 2022 （CCF-A，多媒體領(lǐng)域頂會(huì)）
  • 《Incremental Few-Shot Semantic Segmentation via Embedding Adaptive-Update and Hyper-class Representation》
  • 師廣琛：河海大學(xué)碩士

• ACM MM 2022 中科院信工所第三研究室部分錄取論文詳解

  • https://zhuanlan.zhihu.com/p/537521485
  • 《Camera-specific Informative Data Augmentation Module for Unbalanced Person Re-identification》
    • 行人重識(shí)別任務(wù)致力于在無重疊的攝像頭網(wǎng)絡(luò)中檢索出目標(biāo)人物，并返回相應(yīng)排序結(jié)果。
  • 《Efficient Hash Code Expansion by Recycling Old Bits》
    • 哈希技術(shù)因其優(yōu)越的存儲(chǔ)和計(jì)算效率被廣泛應(yīng)用于多媒體大數(shù)據(jù)檢索中，近年來，得益于深度學(xué)習(xí)技術(shù)的不斷發(fā)展，深度哈希方法受到廣泛關(guān)注。
  • 《Attack is the Best Defense: Towards Preemptive-Protection Person Re-Identification》
    • 行人重識(shí)別旨在跨多個(gè)攝像機(jī)視圖檢索同一個(gè)人的圖像。盡管它在監(jiān)控和公共安全方面很受歡迎，但身份信息的泄露仍然存在風(fēng)險(xiǎn)。
  • 《Multimodal Hate Speech Detection via Cross-Domain Knowledge Transfer》
    • 提出一種基于跨領(lǐng)域知識(shí)遷移（CDKT）的多模態(tài)仇恨言論檢測(cè)框架，該框架遵循“主-輔任務(wù)” 的設(shè)計(jì)思路，包括三個(gè)核心組成：語義自適應(yīng)模塊、定義自適應(yīng)模塊、領(lǐng)域自適應(yīng)模塊，同時(shí)擬合主任務(wù)和輔助任務(wù)之間的語義、定義和領(lǐng)域差異。
  • 《Detach and Attach: Stylized Image Captioning without Paired Stylized Dataset》
    • 風(fēng)格化圖像標(biāo)題生成旨在生成同時(shí)具有準(zhǔn)確圖像內(nèi)容和風(fēng)格特征（例如積極、消極等）的標(biāo)題。然而，大規(guī)模的平行圖像-風(fēng)格化標(biāo)題數(shù)據(jù)集需要花費(fèi)大量資源。因此，如何在沒有成對(duì)的風(fēng)格化圖像標(biāo)題數(shù)據(jù)集的情況下生成風(fēng)格化標(biāo)題是一個(gè)挑戰(zhàn)。
  • 《TPSNet: Reverse Thinking of Thin Plate Splines for Arbitrary Shape Scene Text Representation》
    • 任意形狀的場(chǎng)景文本的檢測(cè)和識(shí)別是當(dāng)前OCR研究的重點(diǎn)之一。雖然目前已有一些方法可以取得不錯(cuò)的效果，但是這些方法所采用的文本形狀表示方法并不夠理想。
  • 《TextBlock: Towards Scene Text Spotting without Fine-grained Detection》
    • 年來，場(chǎng)景文本定位與識(shí)別的系統(tǒng)取得了很大的成功?，F(xiàn)有的工作大多數(shù)遵循著單詞/字符級(jí)別細(xì)粒度和單個(gè)實(shí)例識(shí)別的框架，這種框架過分強(qiáng)調(diào)了檢測(cè)器的作用，同時(shí)忽略了豐富的上下文信息在識(shí)別中的作用。
  • 《MaMiCo: Macro-to-Micro Semantic Correspondence for Self-supervised Video Representation Learning》
    • 早期的視頻自監(jiān)督學(xué)習(xí)通過手工設(shè)計(jì)的代理任務(wù)，利用數(shù)據(jù)本身的變換產(chǎn)生的偽標(biāo)簽進(jìn)行預(yù)訓(xùn)練；近期得益于圖像對(duì)比學(xué)習(xí)框架的巨大進(jìn)展，對(duì)比學(xué)習(xí)在視頻自監(jiān)督學(xué)習(xí)領(lǐng)域同樣取得了成功。然而，現(xiàn)有的工作一方面需要更多的視頻幀來提取視頻級(jí)別的信息，造成巨量的計(jì)算開銷，另一方面忽略了細(xì)粒度的像素級(jí)別特征建模。

---

• ACM MM 2022 | 騰訊優(yōu)圖11篇論文入選，含盲超分辨率算法、視頻場(chǎng)景分割分類等研究方向

  • https://zhuanlan.zhihu.com/p/543066761

• 網(wǎng)易伏羲4篇論文入選ACM MM2022，再創(chuàng)游戲AI領(lǐng)域佳績(jī)

  • https://zhuanlan.zhihu.com/p/556988297

• 【ACMMM 2022】PMN論文解讀與復(fù)現(xiàn)

  • https://zhuanlan.zhihu.com/p/544592330
  • 本文是入選ACM MM 2022 Best Paper Runner-up Award的工作。
  • 本工作基于噪聲建模和配對(duì)真實(shí)數(shù)據(jù)提出了一種用于Raw單幀去噪的新訓(xùn)練方法。本工作核心在于改造數(shù)據(jù)而與神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)無關(guān)，因此適用于各類去噪算法

• ACM MM 2022 | 內(nèi)容和梯度引導(dǎo)的模型驅(qū)動(dòng)單圖像反射移除網(wǎng)絡(luò)

  • https://zhuanlan.zhihu.com/p/561593611
  • 深圳大學(xué)計(jì)算機(jī)與軟件學(xué)院
  • 該工作針對(duì)單圖像反射移除任務(wù)提出了一個(gè)內(nèi)容和梯度引導(dǎo)的深度展開網(wǎng)絡(luò)。該方法結(jié)合了模型驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)的優(yōu)點(diǎn)，不僅能夠保持較好的反射移除性能，而且具備良好的可解釋性。

• ACM MM’2022 | 首個(gè)針對(duì)跨語言跨模態(tài)檢索的噪聲魯棒研究工作

  • https://zhuanlan.zhihu.com/p/561151473‘
  • 雖然目前傳統(tǒng)的跨模態(tài)檢索工作已取得了巨大的進(jìn)展，但由于缺少低資源語言的標(biāo)注數(shù)據(jù)，這些工作通常關(guān)注于高資源語言（比如英語），因此極大地限制了低資源語言在該領(lǐng)域的發(fā)展。

• [論文閱讀] ACM 2022 best paper: Search-oriented Micro-video Captioning

  • https://zhuanlan.zhihu.com/p/573669606
  • 聶禮強(qiáng)團(tuán)隊(duì)與快手合作，斬獲ACM MM 2022最佳論文獎(jiǎng)
  • https://mp.weixin.qq.com/s/dkKOmwta1olBAlrsSwUhOg

---

arxiv上 ACM MM2022 論文匯總

• 網(wǎng)址

  • https://arxiv.org/search/?query=ACMMM2022&searchtype=all&abstracts=show&order=-announced_date_first&size=50

• ACMMM2022