链接:https://www.zhihu.com/question/538874119/answer/2541126096
编辑:深度学习与计算机视觉
声明:仅做学术分享,侵删
作者:匿名用户
https://www.zhihu.com/question/538874119/answer/2540738329
配不配best paper这点不是在下这种匿名菜鸡能评价的,只是说一点在下知道的。
仅从cv的角度来看,这类组合优化背景的geometric fitting的问题还是挺有应用背景的(以在下粗鄙的理解就是给一个目标的参数方程形式,但有多少个目标咱不知道,这类问题在cv里除了论文里面的ransac,还有一大类就是类别数目未定的图像分割,很多欧洲老哥把这类问题叫stochastic geometry models,九十年代就有书在说这东西)。
在深度学习之前,cv里搞这块的挺多的,就在下仰慕的华人大佬list里面,和这块有关的比如华人大佬马毅老师07 pami的那篇分割的paper(拿coding length来度量搜索过程),还有就是mm lab大佬lin dahua老师在mit读博的john fisher那个实验室(拿nonparametric bayesian演化搜索过程的),硬扯关系的话还能扯到朱松纯老师老师那个02年的pami(只不过其中用的reversible mcmc和当时同时代的dirichlet process相比操作起来过于tricky),还有很多人直接拿一些几何和拓扑的性质来约束演化或者建模成multi-cut问题的(这些文章一般cv的期刊上现在还会隔三差五出现,pami,ijcv和siims,还有包括被知乎大神黑哭的tip)有些还是用很古老的方法在做一点改进的(顺便贴一个前两年pami上看见的 extracting geometric structures in images with delaunay point process(顺便吐槽这文章是真的a+b))。
毕竟是一般的组合优化问题,只要有了新工具,都可以往上试试看能不能让解在一定条件下更快更好(可能有人说有了隔壁智能优化算法内味了),并且看一下是不是对自己的cv项目有好处,大佬可能还看看能不能一鸡多吃,有一些理论+有一些应用。如果说之前的同类文章是把当时新发展的 optimization \ bayesian statistics \ computational physics这些偏应用计算的数学拿过来搞搞,如果之前的那些文章是有价值的,那这篇把learning用进来搞搞的也有价值。至于够不够best paper,我们也必要和饭圈一样互撕,就像2019年那篇费马路径的best paper,请问大家还有多少关注吗。可能对于咱们一般的科研民工,能让自己研究收益最多的paper才是best paper
作者:匿名用户
https://www.zhihu.com/question/538874119/answer/2540899777
虽然不是很懂这篇论文,但想聊聊顶会best paper挑选的准则。
1.所有子领域,无论火热与否,都应平等对待。科研不是选秀,领域影响力和当前的实用性不能作为评判因素,不能因为现在DL火就只盯着DL的论文选best paper,任何领域在将来都有潜力发光发热,遥想当初,神经网络冷宫也坐了好几十年。若整个CV只允许出现一种声音,那这个领域迟早会死去;鼓励优秀扎实的非主流研究,才能让未来充满无限可能,等待科学研究的下一个爆点。
2. best paper应该肉眼可见地推进了所属子领域的发展,有难以替代的工作量或洞见,解决了某个难啃的骨头。当年的resnet就是一个典型,极其漂亮地解决了深度神经网络训练的问题;再比如19年NIPS的best paper,解决了理论机器学习的一个长期重要难题。今年的MAE,和MoCo一样,是个好工作,但在推进领域发展上,可能评best paper还不太够。
作者:OpenDIC
https://www.zhihu.com/question/538874119/answer/2540585000
大概看了下最佳论文荣誉提名的《Dual-Shutter Optical Vibration Sensing》,原理类似实验力学领域中光测力学的数字图像相关法(Digital image correlation,DIC),感兴趣的朋友可以看看我主页发表的几篇关于DIC原理介绍的文章。该非接触式测量变形的方法已有四十年历史,目前已经有很成熟的商业软件,其算法核心与视觉领域的光流估计、模板匹配以及图像配准都有相通之处。
传统基于DIC测量物体的高速振动需要高速相机采集物体表面的散斑图像,然后计算跟踪同名点的位移,进而可以计算应变等力学性能。
该文章仅依赖全局相机和卷帘相机就可以实现高速振动测量,好像是以全局相机采集的散斑图像作为参考图像,卷帘相机采集的散斑图像作为振动变形图像,然后计算位移,实现振动的测量,对于高速振动测量领域有一定的启发,毕竟高速相机动辄几十万,确实太贵了。
一点不太成熟的小疑惑,这个文章发表在振动测量的顶刊是不是会更合适?
☆ END ☆
如果看到这里,说明你喜欢这篇文章,请转发、点赞。微信搜索「uncle_pn」,欢迎添加小编微信「 woshicver」,每日朋友圈更新一篇高质量博文。
↓扫描二维码添加小编↓