ymx80
如果你是做硕士研究生，建议机器视觉方向。这个方向偏工业应用的多，毕业了好进公司工作。如果你是读博士研究生，建议计算机视觉方向。这个方向偏重计算机科学，里面涉及到的算法问题较多，好发文章好毕业。 
以下是几个顶级会议的列表（不完整的，但基本覆盖）(1)机器学习顶级会议：NIPS， ICML， UAI， AISTATS; （期刊：JMLR， ML， Trends in ML， IEEE T-NN）计算机视觉和图像识别：ICCV， CVPR， ECCV; （期刊：IEEE T-PAMI， IJCV， IEEE T-IP）人工智能：IJCAI， AAAI; （期刊AI）另外相关的还有SIGRAPH， KDD， ACL， SIGIR， WWW等。特别是，如果做机器学习，必须地，把近4年的NIPS， ICML翻几遍；如果做计算机视觉，要把近4年的ICCV， CVPR， NIPS， ICML翻几遍。(2)另外补充一下：大部分顶级会议的论文都能从网上免费下载到。(3)说些自己的感受。对计算机视觉和计算神经科学领域，从方法和模型的角度看，统计模型（包括probabilistic graphical model和statistical learning theory）是主流也是非常有影响力的方法。有个非常明显的趋势：重要的方法和模型最先在NIPS或ICML出现，然后应用到CV，IR和MM。虽然具体问题和应用也很重要，但多关注和结合这些方法也很有意义。
实时图形学和图形处理器（大热门，看看显卡和游戏的火爆就知道了。SIGGRAPH的多数论**是这方面的） ，新的光照模型和渲染方法（如：波动光学渲染，各种模型的辐射度方法等）， 虚拟现实和虚拟现实设备（如：空间全息成像，触觉传感器，嗅觉传感器，立体声学，空间定位设备）， 场可视化和体图形学（医学图像立体显示）， S计算几何(算法几何，区别于以前中的计算几何概念) ，动画理论（元球动画，动力动画，粒子系统） ，图形仿真（如：自然景物模拟，柔体仿真，分形树，流体仿真）， 计算机视觉（主要指机器视觉，主题是图像序列到3D模型转换如：多目视觉，运动视觉等，本来应该归到模式识别类里面） ，全息摄影术（如同心拼图法） ，如果不算图像和模式识别的话图形学方面前沿的东西不多。上面介绍的都不算太前沿的，太前沿如发明新的光照模型和渲染方法以便能真实又高效还不耗内存的渲染场景估计搞不出来，现在的实时渲染算法其图形质量是较差的远远比不上传统光线跟踪出来的质量。倒是图像和模式识别方面的前沿要多的多。 在图像和模式识别领域的前沿有： 图像处理 图像压缩 图像分割 边沿检测 图像矢量化 图像匹配 模式识别 遥感图像处理 图像恢复 视频处理 。。。
