• 1、cvpr2024


    CVPR2024官网:
    Overleaf模板:
    在这里插入图片描述

    更改作者(去掉CVPR标识)

    % \usepackage{cvpr}              % To produce the CAMERA-READY version
    \usepackage[review]{cvpr}      % To produce the REVIEW version
    
    • 1
    • 2

    改成

    \usepackage{cvpr}              % To produce the CAMERA-READY version
    % \usepackage[review]{cvpr}      % To produce the REVIEW version
    
    • 1
    • 2

    在这里插入图片描述

    插入图片

    横屏单图

    在这里插入图片描述

    \begin{figure*}
      \centering
      \includegraphics[width=\linewidth]{fig/fig2.pdf}
      % \begin{subfigure}{\linewidth}
        \caption{Overview of DCPNeRF. }
        \label{fig:2}
      % \end{subfigure}
    \end{figure*}
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8

    多子图

    在这里插入图片描述

    \begin{figure}[!t]
    \centering
    \subfloat[Haz inputs]{
                \label{fig:fig1.a}
    		\includegraphics[scale=0.38]{fig/fig1_a.png}}
    \subfloat[Haz outputs]{
                \label{fig:fig1.b}
    		\includegraphics[scale=0.38]{fig/fig1_b.png}}
    \subfloat[Clear outputs]{
                \label{fig:fig1.c}
    		\includegraphics[scale=0.38]{fig/fig1_c.png}}
    \subfloat[Clear Depth]{
                \label{fig:fig1.d}
    		\includegraphics[scale=0.38]{fig/fig1_d.png}}
      
    \caption{ {\bf Results of DCPNeRF.} Given a set of hazy images (a), DCPNeRF utilizes two neural radiance field components to jointly reconstruct the hazy scene (b). By combining DCP atmospheric light estimation and soft density-guided weights, a dehazed representation of the clear scene (c)  is obtained from the hazy scene. Additionally, this method accurately estimates the depth map (d) of the clear scene.}
    \label{fig:1}
    \end{figure}
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18

    插入表格

    普通表格

    在这里插入图片描述

    \begin{table}
      \centering
      \begin{tabular}{ccc}
        \toprule
        Method & PSNR($\uparrow$) & SSIM($\uparrow$) \\
        \midrule
        w/o $\mathcal{L}_{foggy}$ & 24.70 & 0.91 \\
        w/o $\mathcal{W}^{\alpha}$ & 24.90 & 0.93 \\
        DCPNeRF & \textbf{27.00} & \textbf{0.94}\\
        \bottomrule
      \end{tabular}
      \caption{{\bf In the ablation experiment of $L_{foggy}$ and $W^{\alpha}$ in the Lego scene.} }
      \label{tab:2}
    \end{table}
    
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15

    三线表

    \begin{table}
    \resizebox{\linewidth}{!}{
    
    \begin{tabular}{c|cccccc}
    \hline
                                                                    & \multicolumn{2}{c}{Lego}                  & \multicolumn{2}{c}{Hotdog}                 & \multicolumn{2}{c}{Chair} \\
    Method                                                          & PSNR($\uparrow$)          & \multicolumn{1}{c|}{SSIM($\uparrow$)} & PSNR($\uparrow$)          & \multicolumn{1}{c|}{SSIM($\uparrow$)}  & PSNR($\uparrow$)            & SSIM($\uparrow$)    \\ \hline
    DCP+NGP                                                         & 23.90         & \multicolumn{1}{c|}{\textbf{0.95}} & 19.60         & \multicolumn{1}{c|}{ \st{1.13} }  & 23.30           & \st{1.09}    \\
    \begin{tabular}[c]{@{}c@{}}WeatherDiffusion\\ +NGP\end{tabular} & 20.30         & \multicolumn{1}{c|}{\st{ 1.37}} & 20.80         & \multicolumn{1}{c|}{\st{ 1.46}} & 22.10           & \st{1.55}    \\
    FFANet+NGP                                                      & 22.50         & \multicolumn{1}{c|}{0.92} & 23.30        & \multicolumn{1}{c|}{0.93}  & 21.90           & 0.94    \\ \hline
    \textbf{DCPNeRF}                                                & \textbf{27.00} & \multicolumn{1}{c|}{0.94} & \textbf{29.50} & \multicolumn{1}{c|}{\textbf{0.95}} & \textbf{30.60}   & \textbf{0.97}   \\ \hline
    \end{tabular}
    }
    
    \caption{ {\bf Quantitative comparison using Lego synthetic data with heterogeneous haze.}}
    \label{tab:1}
    \end{table}
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17

    在这里插入图片描述

    列表

    无序列表

    \begin{itemize}
        \item one
        \item two
        \item three
    \end{itemize}
    
    • 1
    • 2
    • 3
    • 4
    • 5

    有序列表

    \begin{enumerate}[(1)]
    \item 有编号的列表
    \item ...
    \end{enumerate}
    
    • 1
    • 2
    • 3
    • 4

    注意:[(1)]可以变成[{[1]}], [(i)], …

    正文注意点

    插入url

    \url{https://www.baidu.com}
    
    • 1

    首段不缩进

    \noindent
    
    • 1

    正文段落首句子体加粗加黑

    {\bf Image Dehazing.}
    
    • 1

    所有标题都要注意大写
    在这里插入图片描述

    公式中的字母在正文出现要和公式一样,也就是用斜体

    $r(t) = o + td$
    
    • 1

    在这里插入图片描述

    公式中出现的英文用要正体
    在这里插入图片描述

     {\rm with}
    
    • 1

    公式解释where不缩进,公式结尾加逗号
    在这里插入图片描述

    引用公式、图片、表格等要统一

    \Cref{fig:fig6.c}
    or
    \cref{fig:fig6.c}
    
    • 1
    • 2
    • 3

    参考文献

    • 不要过于详细谷歌学术,当遇到arxiv时要仔细查找文献出处。
    • 检查论文标题要与原文一致,注意大小写
    • title加双括号,避免大小写编译错误
    @inproceedings{ancuti2012enhancing,
      author={Ancuti, Cosmin and Ancuti, Codruta Orniana and Haber, Tom and Bekaert, Philippe},
      booktitle={2012 IEEE Conference on Computer Vision and Pattern Recognition}, 
      title={{Enhancing underwater images and videos by fusion}},
      year={2012},
      pages={81-88}
    }
    
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
  • 相关阅读:
    python数学建模--绘图动态可视化图表
    循环结构:for循环,while循环,do-while,死循环
    时间与日期
    Elasticsearch
    外接gpu 训练神经网络,显卡训练神经网络
    [UDS] --- ReadDataByIdentifier 0x22
    Netty笔记
    【2023年11月第四版教材】第13章《资源管理》(第五部分)
    从源码分析 MGR 的新主选举算法
    child_process exec 不是内部或外部命令,也不是可运行的程序或批处理文件。
  • 原文地址:https://blog.csdn.net/weixin_50973728/article/details/133883422