來源 |深度學習與計算機視覺

首先我覺得每天刷刷arxiv還是挺有必要的，如果只是看看title abstract的話其實也就十幾分鐘不到？我一般是大概過一遍有個印象，適當記一下比較有意思的paper，在之后有時間或者意識到可能需要用到它的時候再回去看。

另外的話，關注一下行業(yè)大佬的talk可以知道他們在做什么。這個大概可以給你一個風向知道什么問題或者技術比較有價值。不過這樣的壞處是有可能選到一個內(nèi)卷嚴重的方向要去拼手速做實驗…

維空間中的位置 關系 、目標的三維形狀及其改變、目標的位移、符號 ”，其他像作畫、超像素、玩游戲、虛擬廚房里做菜之類的都是博眼球、發(fā)論文的花騷。涉及到目標的還有圖像分割、形狀特征表示與描述、紋理表示與描述。形狀特征表示與描述可以進入三維。這些都是前人做了點非常原始的成果之后無人關注的東西。

現(xiàn)在有不少偽科學給神經(jīng)網(wǎng)絡算法續(xù)命，什么生物神經(jīng)網(wǎng)絡的激活現(xiàn)象符合了人工神經(jīng)網(wǎng)絡，生物神經(jīng)網(wǎng)絡的結構發(fā)育符合了人工神經(jīng)網(wǎng)絡等等。TMD生物神經(jīng)系統(tǒng)開始學習人工神經(jīng)網(wǎng)絡起來了！都這樣了還敢說沒有造物主！造物主都抄起作業(yè)來了。

follow新技術，其實是挖掘與所研究的課題有相似的或者相近的技術，然后看看新技術對于目前已經(jīng)有的想法是否有啟發(fā)，進而發(fā)現(xiàn)創(chuàng)新點；每年cvpr論文數(shù)目是非常多，是因為計算機視覺圖像處理的領域非常多，每個領域都有人再研究。但涉及到具體的細分領域，就不多了，有的方向可能是新挖掘的方向，還有的是一直在做的方向，有在這些研究方向處于技術領先的學者，大學，研究機構，其實主要持續(xù)關注這些技術大牛團隊的研究成果，就可以追蹤技術的前沿了。當然，學術界百花齊放，百家爭鳴，細分領域的論文可能會今年是這個團隊，明年可能是那個團隊，要關注一直在某個領域有持續(xù)研究的團隊或者學者，學術的精髓就是延續(xù)和不斷的創(chuàng)新。十年磨一劍，才有可能把一個想法不斷完善，并擴充，最終發(fā)論文到IJCV。TIP，PAMI等頂級cv雜志上面。

首先我覺得，采取何種讀論文的策略和我們想做什么類型的工作強相關。我記得知乎上好像有類似“科研品味”這樣的問題，大家可以去搜一下。簡言之就是如果我們的idea“半年內(nèi)沒做，別的組就會搶先發(fā)表”的話，及時到arxiv上每天刷最新的文章還是很有必要的，因為等會議出來，半年就過去了。如果我們的idea是極為經(jīng)典的問題，比如要解個NP-hard啥的，看最新論文不一定比看幾十年前的教科書有用。以上兩個當然是極端情況，實際研究中，我們的idea大多數(shù)位于二者之間，那我們讀論文的時間分配自然也應該是各有側(cè)重了。

接下來想比較下我看到過的幾種常見的讀論文策略吧：

1. arxiv和會議論文列表。

arixv的優(yōu)勢是新和快，代價是質(zhì)量良莠不齊需要我們對本領域有一定了解才能分辨。可是分辨的過程也是需要我們在arxiv上不停篩選的。這樣下來，每天50多篇，哪怕只讀個摘要也會讓讀論文這件事變成一個極為枯燥的任務，嚴重打擊科研積極性?！疚易约憾员容^喜歡那種讀好論文時一氣呵成的感覺，而每天刷arxiv經(jīng)常讓我對自己的領域產(chǎn)生懷疑。。?！?/span>

與之相對的會議accept列表，好處自然是有了同行評議，accept的文章質(zhì)量會更高。而且oral/spotlight之類的文章質(zhì)量會更有保證，哪怕花了一周去弄懂這一篇文章也不會覺得時間花的冤枉（有時候我在arxiv上一周掃了近百篇文章卻覺得異?？仗揟_T）。當然，就像許多答主說的那樣，會議列表里的文章大概會有半年左右的滯后，你的idea能不能忍受這半年的滯后就要自己評估了。