Agent Skills
› brycewang-stanford/Awesome-Journal-Skills
› jcadcg-reproducibility
jcadcg-reproducibility
GitHub助力《计算机辅助设计与图形学学报》论文提升可复现性，涵盖固定种子、记录软硬件环境、锁定数据集与渲染参数、提供指标脚本及稳定托管大数据等全流程指南。
Trigger Scenarios
为《计算机辅助设计与图形学学报》准备论文的可复现性材料
需要构建图形学/CAD实验的复现包结构
检查实验结果是否满足期刊可复现标准
Install
npx skills add brycewang-stanford/Awesome-Journal-Skills --skill jcadcg-reproducibility -g -y
SKILL.md
Frontmatter
{
"name": "jcadcg-reproducibility",
"description": "在为《计算机辅助设计与图形学学报》(Journal of Computer-Aided Design & Computer Graphics, JCAD&CG) 提升论文可复现性与实验可重复时调用。覆盖图形学\/CAD 特有的可复现要点：固定随机种子、记录 GPU\/驱动\/渲染器版本、锁定网格\/点云\/纹理\/视频数据集、固定渲染与几何管线参数(采样数、光照、相机、分辨率)、复现包冒烟测试、几何误差与渲染质量指标的计算脚本对齐、以及大数据的稳定托管。适用于让外审与读者能重跑出论文表图、避免\"结果无法复现\"质疑的场景。"
}
《计算机辅助设计与图形学学报》可复现性与实验可重复
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) 提升可复现性。本刊是 CCF A 类图形学/CAD 方向中文月刊，图形与几何结果对
环境、随机性与渲染管线高度敏感，"换台机器就复现不出"是常见风险。本技能把可复现动作沉淀为
清单，衔接 resources/code/README.md。核验见 resources/official-source-map.md
（2026-07-09）。本刊是否有强制代码/数据可用性要求属 待核实，本技能给出无论政策
如何都应做到的自律标准。
一、图形学可复现的特殊性
图形/几何结果的可复现比一般机器学习更"脆"，需额外固定：
- 随机种子：采样、初始化、数据增强的随机源。
- 硬件与驱动：GPU 型号、驱动、CUDA/图形 API 版本（浮点与光栅化差异会影响像素级指标）。
- 渲染器/几何库版本：渲染管线、几何处理库(如网格库)版本；不同版本结果可能不同。
- 渲染参数：采样数、光照、相机内外参、分辨率、色彩空间/gamma。
- 数据集版本：网格/点云/纹理/视频的具体版本与预处理。
二、复现包结构（建议）
repro/
README.md # 一键复现说明、硬件与耗时
requirements.txt # 依赖与精确版本
scripts/run_all.sh # 从零到主结果表图
configs/ # 每个实验的配置(种子/参数)
data/README.md # 数据获取方式(稳定托管链接) + 预处理
results/ # 复现产物(渲染帧、误差、指标)
三、复现包冒烟测试
投稿前在干净环境跑一次：
python3 -m venv .venv && . .venv/bin/activate
pip install -r requirements.txt
bash scripts/run_all.sh
# 人工比对 results/ 与论文表6/图3、渲染帧、几何误差色图
要点：记录 GPU/驱动/渲染器版本与端到端耗时；把大数据(网格/纹理/视频)走稳定托管而非塞进 仓库。
四、指标计算的可复现
- 几何误差(Chamfer/Hausdorff)、渲染质量(PSNR/SSIM/LPIPS)的计算脚本随包提供，说明 对齐方式、掩码、采样点数——这些细节直接决定数字可比性。
- 论文图中的渲染帧应能由脚本重现；演示视频与正文数字口径一致。
五、数据与模型托管
- 大数据/预训练模型用可分配 DOI 的归档(如 Zenodo 类) 或代码仓库 release，固定版本/ commit；避免"链接失效"。
- 私有/受限数据说明获取途径与替代核验方式(如提供子集或合成数据)。
- 数据许可与来源合规；第三方数据集注明出处与版本。
六、可复现自查清单
- 固定随机种子并在配置中记录。
- 记录 GPU/驱动/图形 API/渲染器/几何库版本与耗时。
- 锁定数据集版本与预处理；大数据稳定托管。
- 固定渲染参数(采样/光照/相机/分辨率/色彩空间)。
- 提供指标计算脚本并说明对齐/掩码。
- 干净环境跑通 run_all，产物对上论文表图。
- 可用性声明与实际提供制品一致(见
jcadcg-artifact-evaluation)。
七、常见复现失败对照
| 问题 | 后果 | 修正 |
|---|---|---|
| 未固定种子/驱动 | 像素级指标复现不出 | 记录并固定全部随机与环境源 |
| 渲染参数缺失 | 渲染图不可重现 | 配置中固化相机/光照/采样 |
| 指标脚本未提供 | 数字不可比 | 随包提供计算脚本与口径 |
| 大数据塞仓库/链接失效 | 无法获取 | 稳定托管 + 固定版本 |
| 声明与制品不符 | 诚信风险 | 声明与实际一致，注明受限项 |
八、环境与参数记录清单（图形学专用）
把下列项写入复现包的 README/配置，是图形学论文可复现的最低门槛：
| 类别 | 需记录 |
|---|---|
| 硬件 | GPU 型号与显存、CPU、内存 |
| 驱动/API | GPU 驱动版本、CUDA/图形 API(OpenGL/Vulkan/DirectX/Metal)版本 |
| 软件 | 操作系统、Python/编译器版本、关键库(渲染器/几何库/深度学习框架)精确版本 |
| 随机 | 全局种子、各随机源(采样/初始化/增强)种子 |
| 渲染 | 相机内外参、光照、采样数、分辨率、色彩空间/gamma、渲染器设置 |
| 几何 | 网格分辨率、预处理(归一化/去重/修复)、误差计算采样点数 |
| 数据 | 数据集名称与版本、划分、预处理脚本 |
| 耗时 | 各主实验端到端时间、峰值显存 |
九、几何/渲染结果的容差与判定
- 像素级/浮点级结果在不同硬件上可能有微小差异，属正常；在 README 中说明可接受容差 (如 PSNR 波动 < 0.1dB、几何误差相对差 < 1%)，避免"数字不完全一致=复现失败"的误判。
- 对确定性要求高的步骤(如几何拓扑操作)应尽量保证可复现；随机步骤报告多次运行统计而非单次。
- 提供基准结果文件(reference results)供比对，脚本自动 diff 关键指标并给出通过/失败提示。
十、可复现的分级目标
| 级别 | 目标 | 说明 |
|---|---|---|
| L1 结果可查 | 提供论文表图对应的结果文件 | 最低要求，便于核对 |
| L2 可重跑 | 提供代码 + 配置，能重跑主结果 | 本技能的基本目标 |
| L3 可复用 | 文档完善、接口清晰，他人可用于新数据 | 提升影响力 |
争取达到 L2 以上；若受限(如私有数据)，至少 L1 并说明替代核验途径。
十一、与制品/投稿技能的衔接
- 可复现产物打包与可用性声明 →
jcadcg-artifact-evaluation；演示视频归属 →jcadcg-supplementary。 - 投稿前把复现包与稿件一并做双盲匿名核查 →
jcadcg-submission；实验口径一致性 →jcadcg-experiments。
十二、输出格式
[JCAD&CG 可复现] 就绪 / 需加强
[环境] 种子/GPU/驱动/渲染器/几何库版本已记录？（是/否）
[数据] 数据集版本锁定？大数据稳定托管？（是/否）
[渲染] 相机/光照/采样/分辨率固定？（是/否）
[指标] 计算脚本随包 + 对齐说明？（是/否）
[冒烟] 干净环境 run_all 通过、产物对上表图？（是/否）
[声明一致] 可用性声明与实际制品一致？（是/否 / 待核实政策）
[待办] <逐条列出需补的复现项>
Version History
- 9f86f09 Current 2026-07-19 16:15
