Diretrizes para Submissões de Artigos para o NeurIPS 2024
Regras essenciais para enviar trabalhos para o NeurIPS 2024.
― 4 min ler
Índice
Bem-vindo ao guia de formatação para a conferência NeurIPS 2024. É super importante seguir essas diretrizes direitinho pra garantir que seu artigo atenda aos padrões exigidos pra submissão.
Requisitos Gerais
Comprimento do Artigo: Seu artigo deve ter até nove páginas, incluindo figuras, mas sem contar agradecimentos e referências. Artigos que ultrapassarem esse limite não serão revisados.
Margens e Texto: O texto do artigo deve caber em um retângulo de 5,5 polegadas de largura e 9 polegadas de altura. A margem esquerda deve ser de 1,5 polegadas. Use fonte de 10 pontos com espaçamento de linha de 11 pontos. A fonte preferida é Times New Roman.
Título e Autores: O título deve ter 17 pontos, em negrito, e centralizado entre duas linhas horizontais. A linha de cima deve ter 4 pontos de espessura, e a de baixo deve ter 1 ponto. Deve ter um espaço de 14 polegadas acima e abaixo do título até as linhas. Os nomes dos autores devem estar em negrito e centralizados acima dos respectivos endereços.
Diretrizes do Resumo
- O resumo deve ter um recuo de 0,5 polegadas nos lados esquerdo e direito.
- Use fonte de 10 pontos, e o espaçamento vertical deve ser de 11 pontos.
- A palavra "Resumo" deve estar em 12 pontos, em negrito e centralizada.
- Deixe duas linhas em branco antes do resumo.
- O resumo deve ser um único parágrafo.
Títulos das Seções
Títulos de Primeiro Nível: Devem estar em letras minúsculas (exceto pela primeira palavra e nomes próprios), alinhados à esquerda e em negrito, em fonte de 12 pontos.
Títulos de Segundo Nível: Use fonte de 10 pontos, alinhados à esquerda e em negrito.
Títulos de Terceiro Nível: Use fonte de 10 pontos, alinhados à esquerda e em negrito.
Citações e Referências
- Use estilos de citação consistentes ao longo do seu artigo. O pacote natbib está disponível para vincular citações.
- Ao citar seu trabalho anterior, use a terceira pessoa.
- Notas de rodapé devem ser mínimas; se usadas, marque-as com um número no texto e coloque-as no rodapé da página.
Diretrizes de Figuras e Tabelas
Figuras: As figuras devem ser claras e legíveis. Coloque um espaço de linha antes e depois da legenda da figura. O número da figura e a legenda devem vir após a figura.
Tabelas: As tabelas devem ser centralizadas, limpas e legíveis. Coloque um espaço de linha antes do título da tabela e um espaço de linha depois. Evite regras verticais nas tabelas para um visual mais limpo.
Diretrizes de Submissão
- Só envie arquivos preparados de acordo com os arquivos de estilo do NeurIPS disponíveis no site do NeurIPS.
- Certifique-se de que seu artigo não inclua informações identificáveis para manter o anonimato durante o processo de revisão.
Instruções para o Artigo Final
- Para a versão final, certifique-se de que os nomes de todos os autores estejam em negrito e centralizados acima dos endereços associados.
- Não altere nenhum aspecto de formatação nos arquivos de estilo, pois isso pode levar à rejeição do seu artigo.
Apêndice e Material Suplementar
- Inclua opcionalmente material adicional em um apêndice, se necessário. Esta seção deve abordar provas detalhadas ou experimentos extras que complementem seu artigo.
Checklist de Artigo NeurIPS
Este checklist foi criado pra garantir que sua pesquisa atenda às melhores práticas em transparência e ética. Responda todas as perguntas e forneça justificativas quando necessário:
Reivindicações e Contribuições: Declare claramente as reivindicações feitas e como elas são suportadas pelos seus resultados. Existem limitações mencionadas?
Resultados Teóricos: Se aplicável, inclua suposições claramente declaradas e provas adequadas.
Reprodutibilidade: Esboce como outros podem replicar seus experimentos.
Acesso Aberto a Código e Dados: Se você tiver código ou dados, mencione como eles podem ser acessados.
Recursos Computacionais: Indique o tipo de recursos usados durante os experimentos.
Impacto Mais Amplo: Discuta os possíveis efeitos positivos ou negativos da sua pesquisa na sociedade.
Conjuntos de Dados e Licenças: Cite corretamente os ativos utilizados e especifique as licenças.
Pesquisa com Sujeitos Humanos: Se aplicável, mencione quaisquer aprovações necessárias para a pesquisa envolvendo sujeitos humanos.
Ao seguir essas diretrizes, você ajuda a manter a integridade e a qualidade da pesquisa apresentada na NeurIPS 2024. Seguir essas instruções é crucial para garantir que sua submissão seja considerada para revisão e apresentação na conferência.
Título: High Fidelity Text-Guided Music Editing via Single-Stage Flow Matching
Resumo: We introduce MelodyFlow, an efficient text-controllable high-fidelity music generation and editing model. It operates on continuous latent representations from a low frame rate 48 kHz stereo variational auto encoder codec. Based on a diffusion transformer architecture trained on a flow-matching objective the model can edit diverse high quality stereo samples of variable duration, with simple text descriptions. We adapt the ReNoise latent inversion method to flow matching and compare it with the original implementation and naive denoising diffusion implicit model (DDIM) inversion on a variety of music editing prompts. Our results indicate that our latent inversion outperforms both ReNoise and DDIM for zero-shot test-time text-guided editing on several objective metrics. Subjective evaluations exhibit a substantial improvement over previous state of the art for music editing. Code and model weights will be publicly made available. Samples are available at https://melodyflow.github.io.
Autores: Gael Le Lan, Bowen Shi, Zhaoheng Ni, Sidd Srinivasan, Anurag Kumar, Brian Ellis, David Kant, Varun Nagaraja, Ernie Chang, Wei-Ning Hsu, Yangyang Shi, Vikas Chandra
Última atualização: 2024-10-16 00:00:00
Idioma: English
Fonte URL: https://arxiv.org/abs/2407.03648
Fonte PDF: https://arxiv.org/pdf/2407.03648
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.
Ligações de referência
- https://github.com/facebookresearch/audiocraft
- https://github.com/ivan-chai/torch-linear-assignment
- https://github.com/LAION-AI/CLAP
- https://melodyflow.github.io
- https://melodyflow.github.io/
- https://neurips.cc/Conferences/2024/PaperInformation/FundingDisclosure
- https://www.neurips.cc/
- https://mirrors.ctan.org/macros/latex/contrib/natbib/natnotes.pdf
- https://www.ctan.org/pkg/booktabs
- https://tex.stackexchange.com/questions/503/why-is-preferable-to
- https://tex.stackexchange.com/questions/40492/what-are-the-differences-between-align-equation-and-displaymath
- https://mirrors.ctan.org/macros/latex/required/graphics/grfguide.pdf
- https://nips.cc/public/guides/CodeSubmissionPolicy
- https://neurips.cc/public/EthicsGuidelines