Diretrizes para Submissão de Trabalho no NeurIPS 2022
Regras e dicas essenciais de formatação pra submeter pro NeurIPS 2022.
― 7 min ler
Índice
- Informações do Autor
- Resumo
- Processo de Submissão
- Arquivos de Estilo
- Opção de Pré-publicação
- Escrevendo Seu Artigo
- Formatação Geral
- Títulos
- Citações, Figuras e Tabelas
- Instruções Finais
- Preparando Arquivos PDF
- Problemas de Margem
- Agradecimentos e Referências
- Checklist para Autores
- Fonte original
- Ligações de referência
Ao preparar um artigo para o NeurIPS 2022, é importante seguir algumas regras de formatação. Isso garante uma aparência uniforme em todas as submissões e ajuda no processo de revisão.
Informações do Autor
Cada artigo deve incluir o nome e o endereço do autor. As informações do autor são colocadas como uma nota de rodapé. Não é pra mencionar fontes de financiamento aqui.
Resumo
O resumo é um breve resumo do seu artigo. Deve ser um único parágrafo, com as bordas esquerda e direita recuadas em 12 polegadas. Use fonte de 10 pontos, com espaço entre linhas de 11 pontos. A palavra "Resumo" deve estar em negrito, centralizada e em fonte de 12 pontos. Deixe dois espaços acima do resumo.
Processo de Submissão
Antes de enviar, leia as instruções com atenção. Os artigos podem ter até nove páginas, incluindo imagens. Qualquer página extra para Agradecimentos ou referências é aceita. Artigos que excederem esse comprimento não serão revisados. As margens para 2022 são as mesmas de 2007, o que permite mais conteúdo em cada artigo.
Arquivos de Estilo
Os autores devem usar os arquivos de estilo específicos encontrados no site do NeurIPS. Certifique-se de usar a versão mais recente. Mudar esses arquivos de estilo pode resultar em rejeição. O único arquivo de estilo aceitável se chama neurips_2022.sty. Versões mais antigas não são mais aceitas.
Opção de Pré-publicação
Se você quiser compartilhar uma versão do seu trabalho online, como no arXiv, deve usar a opção de pré-publicação. Essa opção marca seu trabalho como um rascunho. Não use a opção final até que seu artigo seja aceito no NeurIPS.
Quando você enviar seu artigo, não selecione as opções final ou pré-publicação. Isso ajuda a manter sua submissão anônima e adiciona números de linha para os revisores. Evite se referir a esses números de linha no seu artigo, já que eles não estarão na versão final.
Escrevendo Seu Artigo
Você pode começar com o arquivo neurips_2022.tex como modelo. Basta substituir o autor, título, resumo e texto pelo seu próprio conteúdo.
Formatação Geral
Seu texto deve caber em um espaço de 5,5 polegadas de largura e 9 polegadas de comprimento. A Margem esquerda deve ser de 1,5 polegadas. Use fonte de 10 pontos com 11 pontos entre as linhas. Times New Roman é a fonte preferida.
Deixe um espaço de 12 pontos entre cada parágrafo. O título do seu artigo deve estar em fonte de 17 pontos, negrito, e centralizado entre duas linhas. A linha de cima deve ter 4 pontos de espessura e a de baixo 1 ponto. Deixe um espaço de 14 polegadas acima e abaixo do título.
Todas as páginas devem começar a 1 polegada do topo. Na versão final, os nomes dos autores devem estar em negrito e centralizados acima de seus endereços. O nome do autor principal vai primeiro, seguido pelos nomes dos co-autores, se eles tiverem endereços diferentes. Se você tiver apenas um co-autor, liste-os lado a lado.
Títulos
Todos os títulos devem estar em letras minúsculas, exceto pela primeira palavra e nomes próprios. Devem estar alinhados à esquerda e em negrito. Títulos de primeiro nível devem ser em fonte de 12 pontos. Títulos de segundo e terceiro níveis devem ser em fonte de 10 pontos.
Você pode usar um comando especial para criar um título inline com texto em negrito. Esse comando coloca o título ao lado do texto.
Figuras e Tabelas
Citações,As citações devem ser feitas dentro do texto. Você pode usar estilos autor/ano ou numerados. Certifique-se de manter seu estilo de citação consistente durante todo o texto. Você pode consultar a documentação do natbib para mais ajuda.
Quando usar citações no seu texto, faça isso na terceira pessoa, tipo "No trabalho anterior de Jones et al." Não diga "No nosso trabalho anterior."
As notas de rodapé devem ser usadas com cuidado e adicionadas com um número no texto. Coloque as notas de rodapé na parte inferior da página onde aparecem, e deixe uma pequena linha acima delas.
Todas as figuras devem ser claras e fáceis de ler, e o número da figura e a legenda devem vir depois da figura. Mantenha um espaço acima e abaixo da legenda. A legenda deve estar em letras minúsculas, exceto pela primeira palavra e nomes próprios, e as figuras devem ser numeradas em ordem.
As tabelas também devem ser centralizadas e organizadas. O número da tabela e o título devem aparecer antes da tabela. Mantenha um espaço acima e abaixo do título e da própria tabela. O título também deve estar em letras minúsculas, e as tabelas são numeradas consecutivamente.
Instruções Finais
Não mude nenhuma regra de formatação definida nos arquivos de estilo. A largura e altura da área do texto e os tamanhos das fontes devem permanecer como estão, exceto possivelmente na seção de referências.
Preparando Arquivos PDF
Ao preparar sua submissão, use tamanho de papel "US Letter". Evite usar outros tamanhos como "A4."
Certifique-se de que seu arquivo PDF use apenas fontes do Tipo 1 ou TrueType Embutido. A melhor forma de criar seu PDF é usando pdflatex. Se você quiser verificar quais fontes estão no seu PDF, pode olhar nas Propriedades do Documento no Acrobat Reader.
Tenha cuidado com fontes bitmap, que não são suportadas. Use formas sólidas em vez disso. Para evitar problemas com fontes, use as fontes AMS corretas no seu código LaTeX.
Problemas de Margem
Tenha cuidado com figuras que você posiciona manualmente, pois isso pode causar problemas de margem. Use o comando para incluir gráficos e sempre defina a largura da figura com base na largura da área do texto.
Alguns problemas podem vir do modo como uma linha é hifenizada. Você pode ajudar o LaTeX com isso usando dicas de hifenização quando necessário.
Agradecimentos e Referências
Os agradecimentos devem ser colocados no final do artigo antes das referências. Declare fontes de financiamento e quaisquer interesses conflitantes aqui. Esta seção não deve aparecer na versão anônima da sua submissão.
As referências virão na sequência dos agradecimentos. Qualquer estilo de citação é aceitável, desde que usado de forma consistente. Você pode reduzir o tamanho da fonte para 9 pontos ao listar suas referências. A seção de referências não conta para o limite de páginas.
Checklist para Autores
Depois de escrever seu artigo, você deve responder a algumas perguntas na checklist. Cada pergunta tem uma resposta padrão que você deve mudar de acordo com sua situação.
Certifique-se de verificar se incluiu a licença do seu código e datasets, discutiu limitações do seu trabalho e considerou quaisquer impactos negativos potenciais de sua pesquisa.
Se você tiver resultados teóricos, precisa listar todas as suposições e fornecer provas completas. Se você realizou experimentos, compartilhe o código, dados e instruções para reproduzir os resultados.
Se seu trabalho incorpora ativos existentes, tenha certeza de citar os criadores originais e mencionar suas licenças. Se você trabalhou com participantes humanos, inclua descrições de quaisquer riscos e compensações pagas.
Também é uma boa ideia incluir material extra em um apêndice, se necessário. Esta seção pode servir como informação suplementar.
Título: Rethinking Knee Osteoarthritis Severity Grading: A Few Shot Self-Supervised Contrastive Learning Approach
Resumo: Knee Osteoarthritis (OA) is a debilitating disease affecting over 250 million people worldwide. Currently, radiologists grade the severity of OA on an ordinal scale from zero to four using the Kellgren-Lawrence (KL) system. Recent studies have raised concern in relation to the subjectivity of the KL grading system, highlighting the requirement for an automated system, while also indicating that five ordinal classes may not be the most appropriate approach for assessing OA severity. This work presents preliminary results of an automated system with a continuous grading scale. This system, namely SS-FewSOME, uses self-supervised pre-training to learn robust representations of the features of healthy knee X-rays. It then assesses the OA severity by the X-rays' distance to the normal representation space. SS-FewSOME initially trains on only 'few' examples of healthy knee X-rays, thus reducing the barriers to clinical implementation by eliminating the need for large training sets and costly expert annotations that existing automated systems require. The work reports promising initial results, obtaining a positive Spearman Rank Correlation Coefficient of 0.43, having had access to only 30 ground truth labels at training time.
Autores: Niamh Belton, Misgina Tsighe Hagos, Aonghus Lawlor, Kathleen M. Curran
Última atualização: 2024-06-18 00:00:00
Idioma: English
Fonte URL: https://arxiv.org/abs/2407.09515
Fonte PDF: https://arxiv.org/pdf/2407.09515
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://www.neurips.cc/
- https://mirrors.ctan.org/macros/latex/contrib/natbib/natnotes.pdf
- https://www.ctan.org/pkg/booktabs
- https://www.emfield.org/icuwb2010/downloads/IEEE-PDF-SpecV32.pdf
- https://mirrors.ctan.org/macros/latex/required/graphics/grfguide.pdf
- https://neurips.cc/Conferences/2022/PaperInformation/FundingDisclosure