C*********e
发帖数: 587 | 1 首先，这样的人即使存在也说明不了什么问题，3 sigma以外的情况。MIT这种级别的学
校，3大vision会议整个PhD期间没几篇的人也不少。因为只有3个会议大家都看，加之
做的人多，所以这3个会议的规模05年以后都有增加，加上Machine Learning在05年后
大量涌入CV（虽然此前就是，但规模不一样），客观上造成了一部分华人灌水变容易了
，这个是事实
其次，这人本身肯定有在UMN读博，同时还做过2年工作，估计还有其他经历，时间上也
不短了
再者，MM是multimedia领域的，虽然是这个领域的顶级会议，但从vision角度来看，和
3大不好比，所以也就是6偏（3 CVPR + 1 ICCV + 1 ECCV + 1 NIPS)
但即便这个，我也觉得可信程度怀疑，没有任何印象一个华人学生在国内这几年之内发
了这么多paper的（前面有人指出UMN的学生没有这些），你直接说名字吧 |
|
C*********e
发帖数: 587 | 2 论文摘要我看了下，single image based human pose estimation，框架是建一个大规
模的labeled数据库，然后来做pixel级别的分类，最后再综合生成3D的model
不过这和你的观点有什么联系？
第一，stereo/geometry是vision中最重要的一个部分
第二，PR&ML在vision中的地位你没有搞清楚。PR&ML在vision中的应用，在大多数时候
（超过90%），都只是应用的工具，方法本身并不是vision的人提出来的；只有10%的时
候，是做vision的人自己提出的ML的方法，比如graph-cut，Robust PCA等。（btw，10
%只是个估算）
你所说的，ML能够work，关键是怎么用，这个对任何领域都是一样的，所有应用ML的领
域，从vision，到speech，到NLP，到web data，全都有这个问题。在绝大多数情况下
，怎么用好ML，需要的关键是domain的knowledge，而不是ML的知识。、
举个简单的例子，CVPR/ICCV的会议上，用到ML的paper估计有50%，但是会议的所有
track里面... 阅读全帖 |
|
C*********e
发帖数: 587 | 3 You are wrong，不是说大IT公司推出了才叫可以用，商业上的实用和推广是很多因素的结合，不光是技术问题本身。我虽然不专做3D，但至少知道3D understanding上，比如3D face recognition就是可行的。
而且，我并没有质疑kinect，也不质疑kinect用了ML的技术，我的观点是这个是属于用ML技术解决CV问题，但不是ML的研究，so？
你对vision的认识也有问题，CV没有一个明确的定义（至少没有任何大牛敢说，你倒是敢自己给定义。。。。），牵涉的范围很广，并且还在继续演化中。understanding只是从偏AI的角度出发的，而很多认识相关的问题，都牵涉到AI的核心问题，不只是CV独有的。另一方面，stereo，multi-view geometry，motion analysis，tracking中的很多问题确和high level的认知没有关系。
至于说Adaboost的人脸检测，这个是人脸检测中的popular技术，so what？做这个的人绝大部分是属于用ML的技术来做CV的问题，这不属于ML的研究，都只是CV的研究，paper也都是IC... 阅读全帖 |
|
R*******V
发帖数: 57 | 4 你对CV的认识还不够，不要轻易说别人Wrong.
另外，我并没有给CV下定义，我说CV的核心问题是understanding的问题，你最好去问
问你身边的
资深研究人员，看看是不是这样。
小年轻，你的悟性需要提高，否则CV会让你很失望的。
记住这句话，希望你2年后回头看看你说的话。
素的结合，
不光是技术问题本身。我虽然不专做3D，但至少知道3D understanding上，比如3D
face
recognition就是可行的。
用ML技术
解决CV问题，但不是ML的研究，so？
是敢自己给
定义。。。。），牵涉的范围很广，并且还在继续演化中。understanding只是从偏AI
的角度出发
的，而很多认识相关的问题，都牵涉到AI的核心问题，不只是CV独有的。另一方面，
stereo，
multi-view geometry，motion analysis，tracking中的很多问题确和high level的认
知没有关系。
人绝大
部分是属于用ML的技术来做CV的问题，这不属于ML的研究，都只是CV的研究，paper也
都是
ICCV/CVPR上，not NIPS/ICML |
|
m****s
发帖数: 402 | 5 做ML到极致的还真都是往理论靠，很多有taste的大师们基本不去CVPR/ICCV等应用类会议了，潜心灌FOCS/COLT/STOC这类理论会议。 |
|
L*****k
发帖数: 327 | 6 靠谱，个人意见，略微修改下
1st tier：NIPS, UAI, AISTATS, ICML
COLT绝对1st tier，不过感觉一半属于learning，一半属于theory (COLT11和FOCM一起
开)
2nd tier: ECML, IJCAI，AAAI，ALT，ICCV&CVPR (ML track), KDD
感觉KDD里面还是有一些不错的ML paper的，就是大多数情况下没有什么理论，虽然可
能work得很好 |
|
b*********7
发帖数: 68 | 7 我之前是做计算机视觉，图像处理方向。
想问一下学术界更看重CVPR,ECCV,ICCV这些顶级会议的文章，还是更看重诸如TPAMI,
TIP等IEEE Trans或者IJCV之类的杂志文章？
工业界呢？
Many thanks! |
|
m****s
发帖数: 402 | 8 HP Labs India has immediate openings for post-docs to work in the area of computer vision, image analysis and pattern recognition. Intern applications will also be considered.
With the increasing availability of better image sensors and proliferation of cameras, the use of cameras in human-computer interaction and passive surveillance have become problems of great interest. We are interested in the problems of gesture recognition, user activity analysis, facial analysis and tracking people using... 阅读全帖 |
|
|
m****s
发帖数: 402 | 10 1) SIGGRAPH/CVPR/ACMMM/ICCV/ECCV
2) NIPS/ICML/AAAI/IJCAI/COLT
3) PAMI/IJCV/ACMTOG/ACMTMM/ACMTKDD/JMLR
要收齐真不容易。 |
|
k***o
发帖数: 1 | 11 你当是集邮？ What is ACMTMM? KDD不列去列ACMTKDD，何意？
我来列一下吧
CV: CVPR/ICCV/ECCV
CG: SIGGRAPH
ML: NIPS/ICML/UAI/COLT
AI: IJCAI/AAAI
Journal: PAMI/IJCV/TOG/JMLR |
|
j*****n
发帖数: 1545 | 12 神马都是浮云， 到头来都是废纸一张 唉 俺今年的ICCV估计悲剧了 |
|
r********3
发帖数: 2998 | 13 Machine Learning历史悠久。DM正在经历的事情，ML领域早就已经经历过了。所以现在
比较正统。
至于Computer Vision，比DM更水。一个CVPR就录取几百篇paper，比很多会议的
submission数量还多。另外Computer Vision的conference也太多了，除了CVPR,ICCV,
ECCV还有各种乱七八糟的。另外他们很多人，也投ML,DM和Image Processing的。
Computer Vision在现实里面根本就没有多少实际application，比NLP还不如，应该好
好学习一下NLP的规模和控制，一年做1,2个顶尖的小会议，录取50,60篇paper就足够了
。唯一被认可的就是医学图像上有些application。但是别人医学图像有自己的圈子和
conference。 |
|
C*********e
发帖数: 587 | 14 ......你先发几篇再来给这个评论。。。
CV的几个顶级会议，尤其ICCV，还是很selective的。CV中是有很多人灌水，如果和
pure machine learning or theory CS比，但是CS里面比这个水的太多了。
比如data mining，information retrieval，HCI，database，等等 |
|
g********0
发帖数: 149 | 15 那几个conferences不是那么好灌的，几个大牛能iccv灌4篇？ |
|
r********3
发帖数: 2998 | 16 vision水的原因不是在于数学理论和推导不够深入，而是在于没有实际应用，不值得搞
那么多conference，录取那么多paper。vision这种脱离实际的学科，应该把ICCV,CVPR
,ECCV合并到一起，一年录取个60,70篇paper足够了。
要做learning的，就去投真正的learning的。要做math就去投真正的math的。vision这
个一年缩减到60,70 top conf papers，如果还有人一年4篇，那谁也不会说他水了。
另外，做vision和learning的人真的应该好好学习别人做system的。别人好几个人，花1,2年时间做一个system出来。甚至还在production server上测试几个月，然后才投一篇paper。而vision和learning的很多paper就是做一道数学作业。几十行matlab，download一个数据，run一下就得出结果了。
的 |
|
r********3
发帖数: 2998 | 17 错，正因为难，才有吹的潜力，不是做的潜力。
Computer Vision这块除了吹之外，现实当中有啥应用？早就应该把几大CVPR,ICCV,
ECCV几个conference合并成一个conference，一年录取个60,70篇paper就足够了。 |
|
r********3
发帖数: 2998 | 18 问题太难，就别搞那么多人和钱砸进去。花点精力去搞搞现实当中其他很多实际的问题
。把CVPR,ICCV,ECCV都合并了，一年录取个60,70篇paper足够了。 |
|
r********3
发帖数: 2998 | 19 哪有什么市场？计算视觉除了扯了几十年还一层不变的人脸识别外，还有什么市场？
其实真正有潜力的市场是医学图像分析。可惜别人有专门的圈子，不鸟这帮做灌CVPR,
ICCV之类的人。 |
|
r********3
发帖数: 2998 | 20 错，正因为难，才有吹的潜力，不是做的潜力。
Computer Vision这块除了吹之外，现实当中有啥应用？早就应该把几大CVPR,ICCV,
ECCV几个conference合并成一个conference，一年录取个60,70篇paper就足够了。 |
|
r********3
发帖数: 2998 | 21 问题太难，就别搞那么多人和钱砸进去。花点精力去搞搞现实当中其他很多实际的问题
。把CVPR,ICCV,ECCV都合并了，一年录取个60,70篇paper足够了。 |
|
r********3
发帖数: 2998 | 22 哪有什么市场？计算视觉除了扯了几十年还一层不变的人脸识别外，还有什么市场？
其实真正有潜力的市场是医学图像分析。可惜别人有专门的圈子，不鸟这帮做灌CVPR,
ICCV之类的人。 |
|
w***g
发帖数: 5958 | 23 你们的看法我都同意。不过这些问题其实整个学术界都有，CV只不过是一个比较典型的
体现而已。要说paper质量，CVPR,ICCV,ECCV还真不能算最烂的。就我仅有的一点点投
稿体会而言，CV的会议review也比较严肃。整个CS界比这几个滥的会议不会下一百个。
要合并也轮不上这三个会议。其实要说影响力，一个killer app的影响力远比一千篇
paper的影响力大。CS的几个会议一直都跟着industry的屁股走，即使几个理论的会议
都不能免俗。要我说，年轻人要有点志气的话，还不如去硅谷闯世界比较靠谱。 |
|
n****r
发帖数: 471 | 24 "CV领域的top conference比传统CS领域（OS,
networking, storage, database）的top conference要容易中得多"
你在搞笑吧？
我同学做network的，code还是找人写的，那才真叫几十行代码。。。
你除非自己做过，看过很多CV的paper，要不然建议你最好不要下这种结论。
CV目前来看没应用我不否认，但是像楼上一个ID说的， review是比较严肃的，double
blind，哪怕你是大牛，照样悲剧，前两天听一个maryland的牛人讲座，说他们的paper
被拒了，后来改了才中的ICCV。
而且目前没有应用是因为问题太难了，做不出来，效果不好，不是问题没意义，照你这
么一说，现阶段没应用的研究都应该消失了？
我建议你哪天先中下你提到的这三大会，然后把你的几十行的代码release出来，给我
们瞻仰一下，一般来说这种问章能中，idea都还是不错的。
ACL是因为现在做的人少了， 问题也没有vision难。不说别的， 语言的structure信息
比较强， 然后数据比vision也简单很多，而且论应用，vision的应用前景比自... 阅读全帖 |
|
n****r
发帖数: 471 | 25 你去看看google image search，原来有给你search by image 这个选项么？
什么东西不是一步步发展来的。
医学图像分析都是从CVPR，ICCV， ECCV把idea拿过来， 在特定的scenario里面，加上
很多工程方面的东西，把效果做上去。
你说什么没用，你让做医学图像的人来说说，他们鸟不鸟这三个会？ |
|
z***t
发帖数: 2374 | 26 CV本来就不是传统CS领域,会议稍微松一些
CVPR/ICCV/ECCV也就和Infocom，ICDE之流一个级别
但是因为CV再没有更好的会议，你可以把它们看成sigcomm,mobicom, infocom的混合体
招faculty的时候，跨领域比较，大家会自动shrink CV会议的数量
在我们学校，CV的candidates，至少有6+以上文章的才拿出来和别的领域比
跨领域投文章很多时候更容易（相对来说），因为很多会议需要新的application或者
direction,譬如，纯CV文章中NIPS反而容易，learning based文章扔到CCS或Oakland也
容易中一些，最近database的文章在KDD也容易中一些（最近两年KDD有打压learning提
升database的复古趋势），前几年数据分析的文章不也很容易中sigcomm和mobicom嘛.
跨领域要application比较巧。但是持续发文章就难了，因为不是一个领域，多了就露
馅啦。 |
|
w***n
发帖数: 1084 | 27 你扯得太远了。我前前后后就说一点：中eccv/iccv/cvpr要比中别的方向的sig系列相对容易。zrest前面说的基本是比较靠铺的。
个4 |
|
n****r
发帖数: 471 | 28 这个倒是， 其实那些人也很容易就知道工作是谁做的。
不过有时候也看不出来。
Double blind还是给了点儿我们这种烂校小组中paper的机会的。
CV要真改成小圈子了， 我不知道对谁有好处。
现在大会有大会的好处，你做过ICCV oral的， 底下1500人（或者1500/2）听着，感觉
咋样？ 总比底下稀稀拉拉做几十个人强吧。 |
|
d*****1
发帖数: 263 | 29
哥，这招儿太狠了。
你让CV里的人，还怎么混阿～～～～～～～～
不过，确实， 我现在在ICCV呢，好多，都水～～～～就是为了发而弄得更fancy，灌水
嘛 |
|
n****r
发帖数: 471 | 30 是这样的，比如这次ICCV很多低分中了的。之前我同学也有特别好的分数悲剧了的。
Area Chair有决定权，reviewer的分数原则上来说只有参考价值。
因为身边从没有过Area Chair，就连我老板都不知道CVPR的操作流程是什么， 比如一
篇文章assign给几个AC，然后AC能不能看到作者的名字之类的。我们都是只管投文章的
，关系啥的也没有，听天由命型的。
不过reviewer给的分数好的话， area chair一般也不会那么过分，好像有一年CVPR是
UCF的人办的，影响特坏，结果大家起来抗议， 后来收敛了。
这个如果reviewer能看到作者名字的话，还是有影响的。比如我拿到了一个paper，一
看是MIT哪个牛组的（当然了，这样的paper不可能落到我手里，我就是假设），潜意识
里面还是不大敢给低分的。
所以即便不是double blind，你也未必就会难中很多。
的意见。经常听说烂分中好分不中的情况。 |
|
n****r
发帖数: 471 | 31 灌水哪个领域都有，正常现象。
今年ICCV的分数都特别低，我猜想是不是可能平均水平不大行，因为和CVPR应该是一批
reviewer啊， 怎么会产生这么大的variance。 |
|
n****r
发帖数: 471 | 32 Attributes这个东西这几年炒的真火。
好不好用还得过一段时间再看啊，不过这个新坑肯定是一堆人往里跳了。
现在的paper大多数都是incremental的， 确实没有break through。
慢慢看吧。主要是现在大家用ML用的太狠了，搞得都没心思去考虑vision本身的问题了。
还有往large scale data上面转型，还可以支持几年。。。
今年ICCV人多不多？ 场地小的话，是不是poster都凑不近前看了吧？ |
|
m**********n
发帖数: 285 | 33 DM投NIPS很难.NIPS CV的bar可能比ML低一些，但是平均水平高于CVPR/ICCV/ECCV.
NIPS是AI领域最top的conference,没有之一。 |
|
l****n
发帖数: 64 | 34 对vision而言就是area chair了。其实vision的cvpr,eccv,iccv都是没有senior
reviewer的。其他领域倒是不少，是在AC之下再分出来的，相当于更小的AC。
个paper都会指定? zrest讲讲？我们方向senior reviewer一般只是committee member。 |
|
n********r
发帖数: 300 | 35 fresh phd。without internship experience.可以申吗？
PS：ICCV,KDD啥的倒是有。
另外：谢好心refer |
|
m****s
发帖数: 402 | 36 ICML
NIPS
AAAI
IJCAI
CVPR
ICCV
ECCV
SIGGRAPH
ACM Multimedia
WWW
ICDE
ICDM
KDD |
|
b***a
发帖数: 6422 | 37 我不去，但知道是SIGGRAPH的一帮牛人搞的，介于CV和CG之间，PAMI组织的。
看看PC就知道很牛了。
有些CV组主要就发ICCV, CVPR, ICCP。 |
|
m*****y
发帖数: 367 | 38 “CV不要总拉着ML”，靠，不是CV的拉ML，而是ML的人总往CV里挤。ML推些不知所云的
bound，不做任何实验，没有问题做不好办，只好往IR,DM,CV里挤，糊弄这边的人。
就叫statistics或者pattern recognition了
帮忙，结果造成CVPR/ICCV/PAMI的文章经常出现幼稚的错误.
说不想承认 |
|
z***t
发帖数: 2374 | 39 理论上讲是这样的
但是实际文章里实验结果水分多
我就不点名了,几乎一多半大组都有过文章实验不能重复或者错误的问题
其中包括Stanford, Princeton, Berkley的组
老板们不仔细检查,学生瞎做
CV一向以reviewer质量低下闻名
另外,CVPR/ICCV里偏ML的文章也都是跑benchmark数据,现在少于三个benchmark数据的
文章很难中的
ICML/NIPS大部分文章也都是跑各种benchmark数据,其实很多idea也是跑数据时候发现
问题,解决问题想出来的
CV会议现在收文章太多了，收的多，很多低质量文章可以混进去，这样大家就开始有侥
幸心里，质量一般的文章也投，结果造成submission数目继续增加，reviewer质量下降
，依次循环下去
一年收个200篇就够了，不能好大喜功啊
CVPR |
|
h*******o
发帖数: 124 | 40 首先，听到这个消息，我也为UF难过，但是作为一个在UF CISE读过书的人，CISE被拆
，也又它自己的原因，咱们就事论事:
(1) CISE的TA每个月的工资仅为600上下，很多Phd做TA，还要自己掏生活费。600元能
在gainesville这种地方怎么活？养个车加个游，600基本都没了。
(2) CISE每年招收很多很多自费的硕士和博士（当然没有ECE夸张），这个是在别的学
生很少见到的。原因是什么？这当然直接影响到毕业生的声誉。
(3) UF作为美国top50的大学，CISE每年在top会议的论文不多。DB组算是很好的，能发
一些sigmod，vldb，但是做为DB的年轻一带的领军人物，chris jermaine为什么最后离
开UF去RICE？Networks和Vison组虽然也能发一些象infocom和iccv，cvpr的会议，但是
那些领域的会议，行内人都知道，很水。
(4) 教授真正做学问严谨的不多。很多教授不是特别负责，包括一些已经成名的教授，
在2挡，甚至3挡的会议灌水，和UF的名誉不符。
还有一些原因，不想再说了。但是，CISE从最近５年发展来看，确实自己有一些... 阅读全帖 |
|
r**t
发帖数: 937 | 41 如果ECS比CISE更夸张，为啥拆CISE不拆ECE？
infocom，iccv，cvpr怎么也不能算“很水”吧？ |
|
z***t
发帖数: 2374 | 42 不完全是热去捧，是相关学科发展的必然，NIPS,ICML是比较好的连接理论和应用的会议
要解决问题，相当程度上要有好的理论，所以理论会议逐渐变得更重要了
CS的application现在扩得很大了，传统的离散算法和优化只能解决一部分问题了
需要大量相应的applied statistics或者说computational statistics技术
ICML,NIPS变得越来越重要，COLT的理论和应用又脱节一些
象KDD,IJCAI,AAAI,CVPR,ICCV里的paper,reviewer,committee在learning方面都和NIPS
/ICML差很远
另外象PAMI,TIP这些journal过去几年也收非常多learning方面的文章，但是自己的
reviewer水平又差，结果造成质量大幅度下降
PAMI现在文章，除了小部分pure vision的，其余文章质量很一般，比JMLR和ML差不少
，TIP里learning的文章更烂，直接导致TIP下降一个档次 |
|
J******s
发帖数: 4 | 43 Dr. Hua Wang from the Electrical Engineering and Computer Science Department
at Colorado School of Mines is seeking outstanding candidates to fill 2-3
PhD student positions starting from Fall 2013 semester in the areas of
Machine Learning, Computer Vision, and Bioinformatics. RA/TA positions will
be provided in the Electrical Engineering and Computer Science Department
at Colorado School of Mines. These research assistantships are to work with
Dr. Hua Wang towards Ph.D. degrees. The details of ... 阅读全帖 |
|
d******e
发帖数: 7844 | 44 这些道听途说的东西就不要拿来以讹传讹了。
CVPR自打加了poster，录取率就一直没低过。
打那时起，牛人的标准就已经得是一把CVPR或者ICCV在手了。
一个好的Vision PhD毕业，再怎么说也至少要有两篇这个水平的。 |
|
w***g
发帖数: 5958 | 45 扯淡。O(N)是N趋向于无穷大时的notation。GPU的core是常数。按他们的说法，还不如
说在他们的平台上复杂度是O(1)。再说各层的N根本就不一样。2012年Hinto组做
imagenet那个经典的架构，其中一个最大的fully connected层就占计算量的近80%，就
是个矩阵乘法。
Deep learning的文章，建议除了几个有名的大组，以及NIPS CVPR/ICCV水平的paper看
看。别的blog啥的最好不要看。误导性太强了，因为作者都不知道自己是错的。
就是高水平的paper，都不能保证结果是对的。我前两天还提过Jeff Dean那篇论文。
训练速度基本上是O(log(N)), N=机器台数。N>1000以后，增加机器/core的个数对提高
速度帮助甚小。
量级 |
|
w***g
发帖数: 5958 | 46 没那么严重. 有意无意的data leak和cherry picking是CV/ML领域的常态.
十来年前大家还在用spatial pyramid拼caltech 256时, 有个叫
anna bosch的也是出了惊人的假结果, 好像还发到ICCV上了,
现在随便啥初级deep learning都秒杀那个结果. |
|
h*********s
发帖数: 4 | 47
电子科技大学模式识别与机器智能实验室(PRMI) 2013 年 第 2 轮 招聘计划
实验室介绍
电子科技大学自动化学院模式识别与机器智能实验室成立于2010 年初，隶
属于控制科学与工程一级学科，是模式识别与智能系统二级学科的承担单位。实验室是
专职科研机构，是电子科技大学培养高层次人才的重要基地，现有固定科研人员10人，
包括国际留学生在内的在读博士和硕士研究生在内的流动科研人员40人。实验室主要研
究方向是模式识别与机器学习，计算机视觉与多媒体技术，机器人理论与应用等。
本实验室的宗旨是在相关研究领域汇聚一支高水平的创新团队，建设具有国际先
进水平的创新研究基地，并在智能自主系统研究领域赶超国际先进水平。
2013年度，拟招聘2名博士后研究人员，具体要求如下：
招聘条件
符合国家和电子科技大学关于博士后申请的基本条件，拟招收模式识别与机器学习，机
算机视觉与数字多媒体等方向专职博士后研究人员，同时具备：
1、自动化、电子工程、计算机、应用数学、生物医学工程等研究相关领域
有研发工作基础的博士学位获得者。
2、有... 阅读全帖 |
|
g***i
发帖数: 50 | 48 Computer Science Department Conference Rankings
Some conferences accept multiple categories of papers. The rankings
below are for the most prestigious category of paper at a given
conference. All other categories should be treated as "unranked".
AREA: Artificial Intelligence and Related Subjects
Rank 1:
AAAI: American Association for AI National Conference
CVPR: IEEE Conf on Comp Vision and Pattern Recognition
IJCAI: Intl Joint Conf on AI
ICCV: Intl Conf on Comput |
|
l*******i
发帖数: 247 | 49 AC先粗读这篇paper, 然后对这篇paper分配至少五个reviewer, 之后系统从里面抽取三
个作为这篇的reviewer. 最后意见AC只能看到reviewer 1, 2 ,3意见各是什么, 但是看
不到他们的名字.
AC也看不到作者的名字. CVPR的系统现在是三大CV会议里面最好的, ICCV和ECCV现在还
只是双盲. |
|
f*****g
发帖数: 34 | 50 我每年收到很多会议审稿邀请如： globecom, ICCVE, ICC 等等。
如有兴趣, 请尽快发
email到 [email protected]/* */
请提供：
1. edas.info 账号
2. 简历。 |
|
