日程
※以下の締切は、全て日本時間の23:59を意味しています。
- 2023年2月14日（火）：CMT投稿サイトオープン，口頭発表候補論文の受付開始
- 2023年3月3日（金）：口頭発表候補論文 アブストラクト締切
- 2023年3月17日（金）：口頭発表候補論文 投稿締切
- 2023年5月15日（月）：一般論文投稿受け付け開始
- 2023年5月26日（金）：口頭発表論文 結果通知（予定）
- 2023年6月9日（金）：カメラレディ原稿・サムネイル画像提出締切（口頭発表候補論文・一般論文・デモ発表）
- 2023年7月18日（火）：Extended Abstract集公開
発表申し込み区分
-
口頭発表候補論文として投稿された論文は，評価委員によって評価されます．その結果，口頭発表に選定された論文は「発表区分A」の口頭発表とポスター発表となります．口頭発表に選定されなかった論文は，「発表区分B」のポスター発表となります．「発表区分C」との区別はありません．いずれの場合もカメラレディ原稿の締切は6/9です．
-
一般論文として投稿された論文は，「発表区分C」のポスター発表となります．一般論文の投稿締め切りは6/9です．
-
ポスターとともに補助的に用いるノートパソコン・タブレット等を超える機材を使用したい場合（カメラやその他センサの利用，治具等の設置）は，「発表区分D」のデモ発表にお申し込み下さい．ポスターを貼付するパネルに加え，机の提供や電源の供給を受けることが出来ます．発表申し込み時には，デモ論文を同時に投稿ください．デモの発表の申し込み締め切りは6/9です．
原稿作成要領・テンプレート
- 日本語または英語で原稿を作成して下さい．
- ページ数は４ページ以下（参考文献を除く）としてください．
- 概要（約200文字）を１ページ目に記載して下さい．
- 著者名と所属を原稿に明記して下さい．口頭発表候補論文の評価方法はシングルブラインド（著者名を評価委員に開示する方式）となります．
原稿テンプレート
原稿の作成には以下のスタイルファイルをご利用ください（昨年と異なりますので，ご注意下さい）．
その他
- 原稿の著作権は著者に帰属します．なお，MIRU Extended Abstract集はMIRU参加者にのみweb経由でMIRU期間中に公開します．
- カメラレディ原稿提出以降のタイトル・著者情報の変更はできませんのでご注意ください．
関連発表の有無に関する投稿ルール（二重投稿規程）
（口頭発表候補論文のみ対象です）
- MIRU はジャーナル論文・国際会議未満の「新しいアイディア」の交換の場であるという趣旨を鑑み，査読付きの既発表がある研究については投稿をご遠慮ください．
- MIRU2023 Extended Abstract集は非公開です．ただし，同じ内容もしくは一部を国際会議，ジャーナル等へ投稿している場合や今後予定している場合には，先方の投稿規定に抵触しないよう注意して下さい．
【参考】CVPR2023，ICCV2023では，参考文献を除き４ページ以下の論文は二重投稿規程に抵触しないとされています．
投稿方法
投稿はCMT（https://cmt3.research.microsoft.com/MIRU2023 ）で受け付けます．CMTの使い方は下記スライドを参照してください．
口頭発表論文の場合
一般論文の場合
デモ論文の場合
募集分野
領域A：幾何学的解析，光学的解析，3次元解析
- キャリブレーション (calibration)
- コンピュテーショナルフォトグラフィ (computational photography)
- カメラ・撮像過程（camera and imaging process）
- 照明・反射・散乱 (illumination / reflection / scattering)
- カラー・マルチバンド・不可視光 (color / multiband / IR, UV, EHF)
- マッチング・位置合わせ (matching / registration)
- 奥行き・動き・ステレオ (depth / motion / stereo)
- 3次元点群・距離画像 (3D point cloud / depth image)
- 3次元復元・SfM・SLAM (3D reconstruction / SfM / SLAM)
- CVのための最適化手法 (optimization methods for CV)
- CVのための統計的手法 (statistical methods for CV)
領域B：パターン認識，機械学習，深層学習
- 特徴抽出・特徴選択 (feature extraction / feature selection)
- 識別理論・統計的学習 (classification theory / statistical learning)
- 最適化・正則化 (optimization / regularization)
- DNNアーキテクチャ (DNN architecture)
- 教師なし学習・半教師あり学習・弱教師付き学習 (un- / semi- / weakly-supervised learning)
- ドメイン適応・転移学習・マルチタスク学習（domain adaptation / transfer and multi-task learning)
- 敵対的学習 (adversarial learning)
- 強化学習・模倣学習 (reinforcement and imitation learning)
- データマイニング (data mining)
- データセット・教師データ・アノテーション (dataset / supervision / annotation)
- 学習方法・データ拡張 (training process / data augmentation)
- 性能評価・性能指標 (performance evaluation and metrics)
領域C：画像処理，映像認識
- 領域分割・セグメンテーション (image segmentation)
- 画像復元・画像修復 (image restoration)
- 信号処理・画像処理 (signal and image processing)
- 超解像 (super-resolution)
- GAN・画像生成・画像変換 (GAN / image generation and transfer)
- 行動・動作の認識・検出・予測 (action and activity recognition / localization / prediction)
- 物体検出・物体追跡 (object detection and tracking)
- 画像・映像検索 (image and video retrieval)
- 大規模画像・映像データ解析 (large-scale image and video analysis)
- マルチメディア・マルチモーダル・クロスモーダル (multimedia / multi-modal / cross-modal)
- 画像と言語 (vision and language)
- 実時間処理 (real-time processing)
領域D：応用
- 文書解析・文字認識 (document analysis and character recognition)
- 医用画像解析・細胞画像処理 (medical and biomedical image analysis)
- バイオメトリクス・生体認証 (biometrics)
- サーベイランス・侵入検知・異常検知 (surveillance / anomaly detection)
- ヒューマンセンシング (human sensing)
- 拡張現実・複合現実・3D表示・CG (AR / MR / 3D visualization / computer graphics)
- プロジェクタカメラシステム (projector-camera system)
- HCI・インターフェース・インタラクティブビジョン (HCI / interface / interactive vision)
- IoT・モバイル・ウェアラブルコンピューティング (IoT / mobile and wearable computing)
- クラウド・web・ソーシャルメディア (cloud, web and social media)
- スポーツ・食・エンターテインメント応用 (Sports, food, and entertainment applications)
- ロボットビジョン・ナビゲーション (robot vision and navigation)
- 自動車・交通のためのビジョン (vision for autonomous driving and ITS)
- 産業・工業・社会応用 (industry, manufacturing, and real-world applications)