Jcadcg experiments

《计算机辅助设计与图形学学报》实验设计与呈现

本技能帮助为《计算机辅助设计与图形学学报》(Journal of Computer-Aided Design & Computer Graphics, JCAD&CG) 搭建经得起外审的图形与几何证据。本刊是 CCF A 类图形学/CAD 方向中文月刊， 外审专家对图形证据（渲染质量、几何精度、可视化有效性、用户研究）的要求高于纯榜单分数： 每条主张都应绑定到可验证的图形/几何证据。核验见 resources/official-source-map.md （2026-07-09）。

一、从研究问题(RQ)出发

先把贡献拆成可检验的 RQ，例如：

• RQ1：本方法在相同面片预算下几何误差是否低于最强基线？
• RQ2：渲染质量(时序稳定性)是否更好？
• RQ3：各模块(如特征项、穿透检测)各自贡献多少？(消融)
• RQ4：开销(时间/显存)是否可接受？

每个 RQ 对应一组实验与一张表/图，结论与 RQ 一一对应。

二、图形学/CAD 常用评测指标

方向	常用指标
几何处理	Chamfer 距离、Hausdorff 距离、法向误差、体积/面积保持、特征保持率
渲染/图像合成	PSNR、SSIM、LPIPS、FID(生成)、时序稳定性、真实感主观评分
CAD/CAE/CAM	约束满足度、仿真精度、制造可行性、参数灵敏度
可视化/可视分析	任务完成时间/正确率、可扩展性、认知负荷(如 NASA-TLX)
VR/AR/MR	延迟、帧率、沉浸感/舒适度量表(如 SSQ 晕动)、交互效率
图像视频处理	定量指标 + 视觉对比、鲁棒性

报告指标时说明计算脚本、掩码、对齐方式，避免口径不一致导致的不可比。

三、公平比较的纪律

• 相同预算/相同设置：面片预算、采样数、算力、训练数据、分辨率一致；否则注明并解释。
• 最强可得基线：纳入相关工作中点名的强方法，不回避、不只比弱基线。
• 多次运行：涉及随机性的方法报告均值±标准差(如 5 次)，并说明种子。
• 统计显著性：适用时用配对检验(如 p<0.05)，尤其用户研究。

四、图形证据的呈现（本刊尤重）

• 渲染对比图：并排展示本方法/基线/GT，统一视角、光照、分辨率、裁剪；标注关键差异区域 (放大框)。
• 几何误差色图：用 colormap 可视化逐点误差，给出色标范围与单位。
• 消融图表：逐个去掉模块，量化贡献。
• 失败案例：诚实展示局限(如极端薄壁、异常输入)，增强可信度。
• 演示视频：动态结果(动画/交互/时序)用视频补充静态图无法体现的稳定性。

五、用户研究（可视化/VR/交互常见）

• 说明被试人数、招募、任务设计、独立/被试内设计、量表。
• 报告统计口径与显著性；材料(问卷)去标识随补充材料提交。
• 遵守伦理与知情同意；不泄露被试身份。

六、实验自查清单

• 每个 RQ 有对应实验与结论，一一对应。
• 指标选取贴合方向(几何/渲染/可视化/交互)，计算脚本可复现。
• 基线为最强可得、设置相同预算；差异已注明。
• 随机性方法报告均值±标准差与种子；适用时有显著性检验。
• 有渲染对比 + 几何误差色图 + 消融 + 开销(时间/显存)。
• 诚实展示失败案例与局限。
• 用户研究(若有)人数/设计/统计/伦理到位。

七、常见实验缺陷对照

缺陷	后果	修正
只有指标无视觉对比	外审质疑图形质量	补渲染对比与误差色图
基线不公平(不同预算)	结论被推翻	统一预算或明确说明
单次运行报最优	不可信	多次运行报均值±标准差
缺消融	贡献归因不清	逐模块消融
不报开销	实用性存疑	报时间/显存/可扩展性
回避失败案例	显得掩饰	诚实展示并解释

八、数据集与基准的选择

图形学/CAD 实验的说服力很大程度取决于数据与基准选得是否有代表性：

• 覆盖多样性：几何处理选不同拓扑/尺度/噪声的模型；渲染选不同材质/光照/场景；CAD 选 不同复杂度的零件/装配。
• 公开可得优先：尽量用领域公认的公开数据集/模型库，便于他人比较；自建数据说明构建 方式并尽量公开。
• 规模适当：模型/场景数量足以支撑统计结论，避免"三个模型看着不错"。
• 难例覆盖：纳入已知困难情形(薄壁、尖锐特征、遮挡、高噪声)，检验鲁棒性。

九、结果表与图的呈现规范

呈现	规范
定量表	最优值加粗、次优可标注；同列同口径；给出均值±标准差与样本数
渲染对比图	统一视角/光照/分辨率/裁剪；标注方法名与关键差异放大框
几何误差色图	统一 colormap 与色标范围；标注单位；黑白可辨
消融图	逐模块去除对照；用同一指标定量呈现
开销图	时间/显存随规模变化曲线；标注硬件

十、把主张绑定到证据（自问三句）

1. 我的每一条贡献主张，是否有一张具体的表或图直接支撑？
2. 支撑证据的设置是否公平(相同预算、最强基线、相同数据划分)？
3. 若审稿人质疑，我能否用新增图形证据(而非文字辩解)回应？(见 jcadcg-author-response)

十一、实验伦理与诚信

• 不选择性报告(cherry-picking)：展示代表性而非仅最优样例；失败案例照实给出。
• 不隐藏不利指标(如开销大、某设置下变差)；在局限中如实讨论。
• 用户研究遵守知情同意与去标识；统计方法与多重比较校正如实说明。
• 指标计算脚本与数据随复现包提供，保证可核验(见 jcadcg-reproducibility)。

十二、输出格式

[JCAD&CG 实验] 就绪 / 需加强
[RQ→证据] RQ1__→表/图__；RQ2__→__；RQ3(消融)__→__；RQ4(开销)__→__
[指标] 几何:__ 渲染:__ 可视化/交互:__（计算脚本可复现？是/否）
[公平性] 相同预算？最强基线？多次运行±std？显著性检验？（是/否）
[图形证据] 渲染对比/误差色图/消融/失败案例/演示视频（齐否）
[用户研究] 人数__ 设计__ 统计__ 伦理__（若无标注 N/A）
[待办] <逐条列出需补实验/证据>