点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

作者丨魔王

编辑丨机器之心

只需两步，将文献的 arXiv 信息转换为正式来源信息。

伴随着预印本平台 arXiv 的广泛使用，越来越多的研究者喜欢在写论文参考文献时直接使用 arXiv 信息。这看似非常方便，但也存在问题：这篇 arXiv 论文是否在 ACL、EMNLP、NAACL、ICLR 或 AAAI 等学术会议上发表过？

没错，在某些情况下，只引用 arXiv 信息显得不那么准确，这种不准确的文献条目甚至可能会违反某些会议的论文提交或 camera-ready 版本提交规则。

如何解决这一问题呢？最近，上交毕业生、南加州大学博士生林禹臣开发了一个简单的 Python 工具——Rebiber，它能够基于 ACL Anthology 和 DBLP 数据库自动解决这一问题。

项目地址：https://github.com/yuchenlin/rebiber

下图展示了 Rebiber 的使用示例：

在该示例中，文章的原始信息来自 Google Scholar，仅包括标题、作者、期刊（arXiv）、年份。而事实上该论文已被 EMNLP 2020 接收，原始信息显然不够准确。

经过 Rebiber 转换后，原始 arXiv 信息被转换为来自正式来源的准确信息，包括标题、作者、年月、出版商、数字对象识别码（doi）、网址等详细内容。

Rebiber 支持的会议包括 ACL Anthology 涵盖的会议，如 ACL、EMNLP、NAACL 及其 workshop，以及 DBLP 涵盖的会议，如 ICLR 2020。

目前，Rebiber 支持的会议列表如下所示：

使用者还可以手动添加 DBLP 包含的任意会议：只需从 DBLP 中下载会议 bib 文件至 data 文件夹，然后将其转换为 json 格式，再把路径添加至 bib_list.txt 即可。

如何使用？

这款工具的使用也很简单。

首先，运行以下命令行：

git clone https://github.com/yuchenlin/rebiber.git
pip install bibtexparser tqdm
cd rebiber

然后，将文献条目归一化为正式格式：

python normalize.py -i example_input.bib -o example_output.bib -l bib_list.txt

只需要简单的操作，就可以将 arXiv 信息转换为正式信息了。

项目作者简介

项目作者林禹臣本科毕业于上海交通大学 IEEE 试点班，曾获上海市优秀本科生奖学金、上海交通大学优异学士学位论文奖，现在南加州大学攻读计算机科学博士学位，导师为南加州大学计算机科学学院助理教授、情报与知识发现（INK）研究实验室主任任翔。

他曾在微软亚洲研究院和谷歌 AI 有多段实习经历，研究兴趣包括构建能够深度理解世界的神经符号系统、集成信息提取、知识图谱、机器推理、图神经网络和模型鲁棒性的技术。近期研究集中在利用常识推理推动自然语言处理（理解与生成）。多篇论文发表在 ICLR、AAAI、EMNLP、KDD、ACL 等学术会议上。

参考链接：https://yuchenlin.xyz/

本文仅做学术分享，如有侵权，请联系删文。

下载1

在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。

下载2

在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。

下载3

在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~