新智元报道
编辑：编辑部 YHs
【新智元导读】这一届的ICCV 2025，论文投稿量达到惊人的11,152篇，刷新历史纪录。评审结果公布后，有人晒出高分成绩单，也有人对评审意见表示沮丧。面对如此庞大的投稿规模，大会如何确保评审质量？
ICCV 2025评审结果公布了！
这届ICCV论文投稿数量创历史新高。据大会官方公布，今年共收到11152份有效投稿，远超往届规模。
ICCV 2023顶会共收到了8088篇投稿
截至评审截止日期，11152篇有效投稿论文均已获得至少3份评审意见。
作者可以在5月16日晚上11:59（夏威夷时间）前提交rebuttal，ICCV 2025将于6月25日公布最终录用决定。
根据Paper Copilot发布的统计数据，论文评分曲线现已公开。
评分含义如下：
1：拒绝
2：弱拒绝
3：边缘拒绝
4：边缘接受
5：弱接受
6：接受
到目前为止，大约36%的人得分在3.67以上，只有4%的得分高于4.0。得分在3.67到4.0之间，大约有50%-70%的录用机会。
作为计算机视觉三大顶会之一，ICCV每两年举办一次，今年将于10月19日至23日，在夏威夷檀香山举办。
目前，已有许多童鞋晒出自己的评审结果了。
评审结果，遭全网吐槽
由于评审意见的公开时间多少有些「奇葩」，目前的讨论还没有很多。
网友表示，看到的大多是负面评论、攻击和批评。
网友吐槽：这是人能写出来的review吗？
「我都不会说是GPT写的，因为GPT比这个人有脑子多了，这个只能称为类人。」
大意如下：
该论文提出了一种通过视觉-语言模型结合推理阶段搜索来提高模型「理解力」的方法，该方法本质上是一种检索增强生成 (RAG) 方法。该方法包括预测生成内容之前的「后续内容的值」，并声称能够减少模型幻觉现象。我试图在论文中找到这些被引用的术语的定义。如果论文旨在提高模型的「理解力」，那么理应存在一个精确且客观的衡量标准，对于「幻觉」现象也应如此。然而，我并没有找到这些术语的明确定义，这导致「提高理解力」这一目标的定义实际上取决于用于衡量它的方法，即第4.2节中使用的基准测试。因此，我只能认为该论文在特定的一组基准测试所定义的任务上表现良好，而这种良好表现也是通过同样的基准测试来衡量的。在有限的评审时间内，我无法确定该方法在概念上是否可靠。我希望看到这些术语的明确定义、用于衡量它们的指标，以及优化这些指标的原理，特别是该论文提出的方法是如何实现这些优化的。考虑到影响该领域实证性能的诸多因素，我很难仅凭实验结果来判断其学术价值。
Pinar表示，「真诚感谢「辛勤」工作的ICCV审稿人，你们怕不是直接把ChatGPT的结果复制粘贴上来了！这行云流水般的胡言乱语，配上量子级的模棱两可，同时接受和拒绝，简直是薛定谔的审稿意见。」
Akshit认为，「所谓的领域专家显然误解了概念，这让我感到滑稽。我被要求阐释一些要么不存在，要么补充材料中已有的内容。」
还有网友表示沮丧，没有一个审稿人阅读补充材料。
还有人吐槽，比CVPR有更多不称职的评审。
不过，也有网友的积极评价——对ICCV评审质量提升感到惊讶，新政策确实发挥作用了。
还有一些网友晒出凡尔赛成绩单。
ICCV投稿量从2019年约4300篇逐步增长，到2021年突破6000篇，2023年更跃升至8000+篇。
论文录用率则在25%-26%区间波动，极少数论文被选为大会报告，大多数以Poster形式交流成果。
ICCV对审稿人的要求
ICCV通常会邀请近年在顶级会议（CVPR/ICCV/ECCV）或相关期刊上有发表成果的学者作为审稿人。
大会共邀请了6位大会主席 (PC)、500位领域主席 (AC)，以及约8000名审稿人参与评审。
全员参与审稿，离大谱？
每位投稿论文的作者都被要求担任审稿人。
前段时间，谷歌DeepMind研究员刘若茜吐槽了ICCV 2025全员参与审稿的制度。
她表示，我理解审稿人紧缺的现状，但强制规定「作者必须参与审稿」，且任何一人超期未完成，就会导致其所有论文被直接拒稿，这种规定实在荒谬了。
「完全不考虑作者也是人，谁还没个急事难处」？
马克斯·普朗克研究所主任Michael Black非常认同，他表示会修改要求，让任何在CVPR/ICCV/ECCV发表过3篇以上论文作者必须参与评审。
这不有作者因为错过了评审截止日期，为自己论文被拒担惊受怕。
ICCV官方公布了最终结果，97.18%评审按时提交，只有95名审稿人错过了截止日期。
禁用LLM评审
此外，ICCV 2025明确禁止在评审过程中使用大模型（如ChatGPT），以确保评审意见的原创性和真实性。
审稿人必须提供真实评论，一方面对论文作者负责，另外在线聊天机器人会收集对话历史记录，以改进其模型。
因此，在评审过程中使用它们将违反ICCV保密政策。
加州大学圣地亚哥分校的Alex表示，完成今年的ICCV审稿后，整个人都不好了。
评论区表示同样感觉很糟糕，整体论文质量在下滑。
评审规则延续了以往的高标准，严格执行评审截止日期，确保每篇论文至少获得三份评审意见。
任何未能在截止日期前提交评审的审稿人，其作为作者的论文也将被直接拒稿。
根据官方统计，97.18%的评审意见均按时提交，仅有95位审稿人错过截止时间，导致112篇论文可能受影响。
ICCV建议审稿人发掘论文中的闪光点，鼓励具有创新性或大胆假设的工作。
如果一篇论文提出了新的思想，即使在某标准数据集上未超过SOTA性能，也不应仅因为这一点而被拒稿。
来自约克大学CS助理教授Kosta Derpanis转发一位网友的建议，勉励所有拿到不如意结果的研究者们：
对某些人来说，ICCV的评审结果并非如你所愿。 这就是学术发表的常态——既要享受偶尔的成功喜悦，也要应对常见的失意挫折。这就是游戏的规则。
不妨趁此机会重新调整，仔细审视评审意见中的有效反馈，有价值的建议往往就藏在其中。有时你需要更深入地挖掘，但这些意见确实能帮助提升你的研究成果乃至整体研究思路。
对于那些还有机会的同行，祝你们好运！我见过太多在rebuttal阶段实现翻盘的论文。
同行评审：荣耀与荒诞
针对ICCV评审结果，来自Pattern Recognition Lab的科学家Andreas Maier发表了一篇长文，阐述了当前同行评审的现状。
评审：简洁批判，但过于简短
一位审稿人收到的论文，主题是降低医学图像生成计算复杂性的技术——将高维卷积分解为低维操作。
这是个有趣的点子，虽然不算全新，但在技术上似乎有潜力。
审稿人仔细研读后，将目光锁定在论文的评估部分，给出评价：
论文仅在一个鲜为人知的单一模态上测试，缺乏对公共数据集的验证（审稿人贴心地列出了可用的数据集建议）；性能提升的报告缺乏鲁棒性检查；更别提视觉比较的呈现混乱，连CT成像的标准Hounsfield单位都没用上。
简而言之：好想法，烂评估。于是，审稿人给出了一个「边缘拒绝」（Borderline Reject）的评价。
他的评审简洁但精准：总结了核心理念，肯定了优点，指出了数据集选择、泛化不足和图像呈现的具体问题。
这样的评审，专业、中肯、切中要害。
然而，他万万没想到，这份简洁的评审竟成了后续「剧情」的导火索。
领域主席「模板攻击」
几周后，审稿人收到了AC的反馈。
原本期待的是技术性的讨论，然而，现实却像一部黑色喜剧：
AC指责审稿人的评论「缺乏足够细节」，甚至引用了评审中根本不存在的语句！
这份反馈，更像是从《ICCV被动攻击反馈模板手册™》中直接复制粘贴，机械得让人怀疑AC是否真的读过评审。
审稿人震惊之余，礼貌但犀利地回复：指出自己的评论基于领域标准，而引用的「原文」子虚乌有，并反问道AC能否具体说明问题出在哪里。
这一幕，堪称学术界「皇帝的新衣」——模板化的反馈不仅无助于改进，反而暴露了评审流程中的官僚病。
程序主席快速反应
审稿人没有让这场闹剧无休止地发酵，他将问题升级到程序主席，简明扼要地陈述了事实。
好在，程序主席的反应堪称神速。
不到两小时，线下讨论展开；当晚，AC亲自回复审稿人，问题迅速化解。
一场可能拖延数周的学术纷争，在一天内画上句号。
同行评审的「抓马」
这场风波虽小，却折射出大规模同行评审的深层问题。
在ICCV这样的顶会上，审稿人，尤其是资深学者，常常需要同时处理数十篇论文，时间捉襟见肘。
AC则要协调数百篇论文、评审和rebuttal，堪称「学术项目经理」。
在这种高压环境下，人与人之间的对话，逐渐被模板、复选框、自动回复所取代。
结果呢？
评审的质量标准开始滑向「容易量化」的指标：字数、格式、是否填满表格。
一份两页的泛泛之谈，可能顺利过关，而一份紧凑、切中要害的论文，却被打上「细节不足」的标签。
AC忙碌到，只能复制粘贴反馈，甚至懒得读评审原文。这种官僚式回复，让同行评审失去了它应有的灵魂。
ICCV 2025的这场风波提醒我们：
评审的质量不在于篇幅，而在于洞察；评审的意义不在于形式，而在于对话。
参考资料：
https://x.com/papercopilot/status/1920964042123858217
https://iccv.thecvf.com/Conferences/2025/ReviewerGuidelines
https://www.reddit.com/r/MachineLearning/comments/1kgemvp/d_iccv_2025_review_and_score_discussion_thread/
https://papercopilot.com/statistics/iccv-statistics/
https://akmaier.substack.com/p/iccv-reviews-2025-where-scripts-dont?r=56pbmv&utm_campaign=post&utm_medium=web&triedRedirect=true
