计算机视觉顶尖期刊和会议的段子
共 1828字,需浏览 4分钟
·
2021-05-06 12:46
极市导读
一些常见的CV顶刊和会议的“话术”(狗头)。 >>加入极市CV技术交流群,走在计算机视觉的最前沿
CVPR/ICCV/ECCV常见论文:
我们在imagenet上提升了0.1%! 研究生梯度下降(graduate student descent)是最重要的技术! 我们很快将释放代码,也可能用很长时间。 我们是第一个把transformer用到这个任务的! 我们采用了更多的计算资源,发现很老的一个基线方法是最好的!
Neurips:
我提出了一个新的任务,尽管可能没什么实际意义。
经过精心挑选,我们的结果看上去不错!
我们提出的方法在我们生成的非公开数据集上很有效!
ICML:
我们证明了五年以前大家都知道的东西!
我们有很复杂的连自己也看不太懂的公式。
ICLR:
虽然我们是一个比较新的会议,但是我们仍然在鄙视链顶层。
Open review不代表我们论文质量高,可能只是我们脸皮厚。
AAAI
我们的审稿人看不懂我们做了什么,反正通过了。
我们将已有方法运用到了新数据集,发现它超过了SOTA 1%!
我们发现把已有模块插入到当前的任务,可以涨点!
IJCAI
我们的中奖率只有不到15%,真的不是水会,CCF别踢我。 不是我们实验不够,六页真的啥都放不下。 没错,我们的论文如果能投三大会我就投三大会了,投IJCAI实在没办法,日子总还是要过的嘛。
发现有很多人看,所以再扩展到一些非CV类会议。
SIGGRAPH
只要录取率足够低,圈内都是自己人,把圈外人门关上,焊的死死的。 SIGGRAPH可不是像水会,我们CG就这一个顶会,质量杠杠的。别看了,说的就是你们,视觉三大会一个比一个水。 Incremental的方法都不能发表,至于你要问我什么是incremental,demo视频PS地不好,就是incremental,外人我不告诉他。
ICRA/IROS
我们引用了30篇非常相关的论文,没错都是我们的论文。
我们研究了人与机器人的交互,但是可能没有人能用得到。
我们将机器学习应用到了已经解决的问题当中,发现它可以达到相似的效果。
我们也做了SLAM,但是比其他论文好2%。
我们的sensor很创新,但是你们可能买不起。
我们又一次在模拟器中取得了完美的效果!
EMNLP:
我们在某个特定的任务上取得了提升,但是可能在你的数据上不work。
你只需要这个简单的trick即可。
我们的神经网络模拟了人脑思考的过程,可能对你的任务有一丢丢帮助。
预训练加bert真的很有效。
我们在大规模数据集上验证了结果,但是你想要复现,可能还需要一些运气。
下面是部分出处,点赞后存哈!
如果觉得有用,就请分享到朋友圈吧!
公众号后台回复“人脸识别”获取人脸识别数据集资源~
神经网络:27 类深度学习主要神经网络结构图及应用|9大主题卷积神经网络(CNN)的PyTorch实现
实操教程:solov2的ncnn实现和优化|PyTorch AutoGrad C++层实现
算法技巧(trick):17种提高PyTorch“炼丹”速度方法|PyTorch Trick集锦|深度学习调参tricks总结
最新CV竞赛:2021 高通人工智能应用创新大赛|CVPR 2021 | Short-video Face Parsing Challenge
# CV技术社群邀请函 #
备注:姓名-学校/公司-研究方向-城市(如:小极-北大-目标检测-深圳)
即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群
每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~