计算机视觉方向的博士，如何做到一直follow新技术？

来源 |深度学习与计算机视觉

首先我觉得每天刷刷arxiv还是挺有必要的，如果只是看看title abstract的话其实也就十几分钟不到？我一般是大概过一遍有个印象，适当记一下比较有意思的paper，在之后有时间或者意识到可能需要用到它的时候再回去看。

另外的话，关注一下行业大佬的talk可以知道他们在做什么。这个大概可以给你一个风向知道什么问题或者技术比较有价值。不过这样的坏处是有可能选到一个内卷严重的方向要去拼手速做实验…

维空间中的位置 关系 、目标的三维形状及其改变、目标的位移、符号 ”，其他像作画、超像素、玩游戏、虚拟厨房里做菜之类的都是博眼球、发论文的花骚。涉及到目标的还有图像分割、形状特征表示与描述、纹理表示与描述。形状特征表示与描述可以进入三维。这些都是前人做了点非常原始的成果之后无人关注的东西。

现在有不少伪科学给神经网络算法续命，什么生物神经网络的激活现象符合了人工神经网络，生物神经网络的结构发育符合了人工神经网络等等。TMD生物神经系统开始学习人工神经网络起来了！都这样了还敢说没有造物主！造物主都抄起作业来了。

follow新技术，其实是挖掘与所研究的课题有相似的或者相近的技术，然后看看新技术对于目前已经有的想法是否有启发，进而发现创新点；每年cvpr论文数目是非常多，是因为计算机视觉图像处理的领域非常多，每个领域都有人再研究。但涉及到具体的细分领域，就不多了，有的方向可能是新挖掘的方向，还有的是一直在做的方向，有在这些研究方向处于技术领先的学者，大学，研究机构，其实主要持续关注这些技术大牛团队的研究成果，就可以追踪技术的前沿了。当然，学术界百花齐放，百家争鸣，细分领域的论文可能会今年是这个团队，明年可能是那个团队，要关注一直在某个领域有持续研究的团队或者学者，学术的精髓就是延续和不断的创新。十年磨一剑，才有可能把一个想法不断完善，并扩充，最终发论文到IJCV。TIP，PAMI等顶级cv杂志上面。

首先我觉得，采取何种读论文的策略和我们想做什么类型的工作强相关。我记得知乎上好像有类似“科研品味”这样的问题，大家可以去搜一下。简言之就是如果我们的idea“半年内没做，别的组就会抢先发表”的话，及时到arxiv上每天刷最新的文章还是很有必要的，因为等会议出来，半年就过去了。如果我们的idea是极为经典的问题，比如要解个NP-hard啥的，看最新论文不一定比看几十年前的教科书有用。以上两个当然是极端情况，实际研究中，我们的idea大多数位于二者之间，那我们读论文的时间分配自然也应该是各有侧重了。

接下来想比较下我看到过的几种常见的读论文策略吧：

1. arxiv和会议论文列表。

arixv的优势是新和快，代价是质量良莠不齐需要我们对本领域有一定了解才能分辨。可是分辨的过程也是需要我们在arxiv上不停筛选的。这样下来，每天50多篇，哪怕只读个摘要也会让读论文这件事变成一个极为枯燥的任务，严重打击科研积极性。【我自己而言比较喜欢那种读好论文时一气呵成的感觉，而每天刷arxiv经常让我对自己的领域产生怀疑。。。】

与之相对的会议accept列表，好处自然是有了同行评议，accept的文章质量会更高。而且oral/spotlight之类的文章质量会更有保证，哪怕花了一周去弄懂这一篇文章也不会觉得时间花的冤枉（有时候我在arxiv上一周扫了近百篇文章却觉得异常空虚T_T）。当然，就像许多答主说的那样，会议列表里的文章大概会有半年左右的滞后，你的idea能不能忍受这半年的滞后就要自己评估了。