开发者指南：如何为top-cvpr-2023-papers贡献一篇论文？PR提交全流程教程
【免费下载链接】top-cvpr-2023-papersThis repository is a curated collection of the most exciting and influential CVPR 2023 papers. 🔥 [Paper + Code]项目地址: https://gitcode.com/gh_mirrors/to/top-cvpr-2023-papers
top-cvpr-2023-papers 是一个精选的 CVPR 2023 论文合集项目，收录了计算机视觉顶级会议中最具影响力、最具代表性的论文及其开源代码，堪称计算机视觉研究者的"宝藏清单"。如果你发现一篇值得收录的 CVPR 2023 论文却不在列表之中，完全可以通过一次PR 提交把它贡献进来。本教程将面向新手开发者，从零开始完整讲解贡献论文的全流程，包括仓库克隆、依赖安装、数据添加、表格自动生成与 Pull Request 提交，帮助你轻松完成人生中的第一次开源贡献。
什么是 top-cvpr-2023-papers？一个高质量的 CVPR 2023 论文精选合集
CVPR（计算机视觉与模式识别大会）是计算机视觉领域公认的顶级会议。在2023 年，共有9,155 篇论文投稿，最终 2,359 篇被接收。面对如此庞大的论文数量，逐个翻阅显然不现实，top-cvpr-2023-papers 正是为此而生。
这个项目从数千篇论文中精挑细选，按研究主题分类整理，并为每篇论文附上论文链接与开源代码，真正做到"论文 + 代码"一站式检索。目前表格中收录的热门主题包括：
| 主题分类 | 代表性方向 |
|---|---|
| 🔬 Segmentation | 图像分割、全景分割、开放词汇分割 |
| 🧊 NeRF | 神经辐射场、动态场景渲染 |
| 🧍 3D | 三维重建、人体网格估计、3D 物体检测 |
| 🎨 Generative AI | 扩散模型、DreamBooth、图像编辑 |
| 🔄 Transfer Learning | 迁移学习、数据视角分析 |
| 📊 Benchmarking | 评测基准、mAP 优化 |
表格中收录了 OneFormer、DreamBooth、InstructPix2Pix、ECON 等众多知名工作，每一篇都附有开源代码仓库，非常适合复现与学习。
贡献前必读：理解项目的自动化生成机制
在动手之前，你需要先了解这个项目最核心的规则：README.md 中的论文表格是自动生成的，绝对不能手动编辑。项目源码中明确用注释警告：
DO NOT EDIT THIS TABLE MANUALLY. IT IS AUTOMATICALLY GENERATED.
如果你直接手改 README 表格，下一次自动化生成时会直接被覆盖。正确的贡献路径是「改数据 → 跑脚本 → 再提交」。整个自动化机制由automation/目录承载：
- 📄
automation/data.csv：论文数据的唯一来源，所有新增论文都在这里添加 - ⚙️
automation/generate.py：核心生成脚本，把 CSV 渲染成 Markdown 表格并注入 README - 📖
automation/README.md：自动化工具的官方使用文档，包含安装与生成说明 - 📦
automation/requirements.txt：脚本运行所需的依赖（pandas）
搞清楚了"数据驱动、脚本生成"的模式，接下来就可以正式开工了。
最快准备方法：一键克隆仓库并安装依赖
第一步是获取项目代码。使用 git 克隆命令将仓库复制到本地：
git clone https://gitcode.com/gh_mirrors/to/top-cvpr-2023-papers克隆完成后进入项目目录，创建 Python 虚拟环境并安装依赖（脚本依赖 pandas，建议在虚拟环境中安装以免污染全局环境）：
cd top-cvpr-2023-papers # 创建并激活 Python 虚拟环境 python3 -m venv venv source venv/bin/activate # 安装自动化脚本依赖 pip install -r automation/requirements.txt整个过程只需三分钟，环境就绪后即可开始添加论文。
添加论文的正确姿势：编辑 data.csv
环境准备完毕，现在进入最关键的一步：在automation/data.csv中新增一条论文记录。CSV 文件共四列，每列含义如下：
| 列名 | 填写内容 | 示例 |
|---|---|---|
| topic | 论文所属主题分类 | "Segmentation" |
| title | 论文完整标题 | "OneFormer: One Transformer To Rule Universal Image Segmentation" |
| paper | arXiv 论文编号（注意不是完整 URL） | "2211.06220" |
| code | 开源代码仓库地址 | "https://github.com/..." |
在 CSV 末尾新增一行，格式如下：
"Segmentation","OneFormer: One Transformer To Rule Universal Image Segmentation","2211.06220","https://github.com/example/xxx"这里有三个需要特别注意的细节：
- paper 字段只填 arXiv 编号，例如
2211.06220，生成脚本会自动拼接出 arXiv 链接和徽章，不要填完整网址。 - code 字段填开源代码仓库地址，如果没有公开代码，留空即可，脚本会自动省略代码徽章。
- topic 字段尽量沿用已有的主题命名，如 Segmentation、NeRF、3D、Generative AI，保持列表分类统一。
一键生成表格：运行自动化脚本
数据添加完成后，运行自动化脚本即可重新生成 README 中的论文表格：
python automation/generate.py这一步脚本会替你完成三件事：
- 📥 读取
automation/data.csv中的全部论文记录 - 🏷️ 为每篇论文生成 GitHub 星星徽章与 arXiv 徽章
- 🔄 将表格注入到
README.md中两个AUTOGENERATED_COURSES_TABLE标记之间
运行完毕后打开 README.md 检查，确认新论文已正确出现在表格中，且分类、标题、链接均无误。如果脚本报错，多半是 CSV 格式问题，比如列数不匹配或引号缺失，对照示例行修正即可。
提交 PR 的完整流程：从 commit 到 merge
表格生成无误后，就可以走标准的 Git 提交流程了：
# 查看改动确认无误 git status # 添加改动文件 git add README.md automation/data.csv # 提交并写明改动说明 git commit -m "Add paper: <论文标题>" # 推送到你的分支 git push origin main推送完成后，在仓库页面发起Pull Request，建议在 PR 描述中写清楚：
- 新增的论文标题与作者
- 论文主题分类
- 为什么这篇论文值得收录（影响力、创新点等）
- 是否已运行
python automation/generate.py重新生成表格
维护者在审核时主要会关注三点：论文是否属于 CVPR 2023、分类是否合理、README 表格是否通过脚本正确生成。只要这三点满足，合并通常非常顺利。这也是本项目最受欢迎的一点——贡献门槛低、流程标准化，非常适合作为新手第一次参与开源的练习项目。
常见问题与避坑指南
Q1：paper 字段填完整 arXiv 链接可以吗？不可以。该字段只接受 arXiv 编号（如2302.11566），脚本会自动拼接链接，填完整 URL 会导致徽章生成异常。
Q2：论文没有开源代码怎么办？code 字段留空即可，脚本会自动省略代码徽章，只保留论文链接。
Q3：直接修改 README.md 里的表格行不行？不推荐。README 表格由脚本自动生成，手动改动会在下次运行generate.py时被覆盖，务必从data.csv入手。
Q4：发现重复收录的论文怎么办？可以在 PR 描述中说明重复情况，或者通过 Issue 反馈给维护者，由他们决定如何处理。
结语：一次提交，双重收获
为 top-cvpr-2023-papers 贡献论文，本质上是一次标准的开源协作演练：克隆仓库、修改数据、运行脚本、提交 PR，每一步都清晰可控。你不仅帮助了全球的 CVPR 研究者更快地找到优秀论文，也完整体验了开源贡献的完整链路。还等什么？打开automation/data.csv，把你心中的宝藏论文提交上来吧！🚀
【免费下载链接】top-cvpr-2023-papersThis repository is a curated collection of the most exciting and influential CVPR 2023 papers. 🔥 [Paper + Code]项目地址: https://gitcode.com/gh_mirrors/to/top-cvpr-2023-papers
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
