g**********1
发帖数: 415 | 1 几年前从这个领域走出来了。 最近看了一下今天的进展。 竟然还是那个德行。
这个领域已经死了。 进20年不会有突破了。
连个QR-code 读起来都费劲。 背景光线一变就完蛋了。 平面的feature都不行，
三位物体的识别更是天方夜谭了。 现在也就识别个人脸。 还得是平面正对着。 |
L********d
发帖数: 3820 | 2 外行说一句，正因为难，才有做的潜力
，
【在 g**********1 的大作中提到】
: 几年前从这个领域走出来了。 最近看了一下今天的进展。 竟然还是那个德行。
: 这个领域已经死了。 进20年不会有突破了。
: 连个QR-code 读起来都费劲。 背景光线一变就完蛋了。 平面的feature都不行，
: 三位物体的识别更是天方夜谭了。 现在也就识别个人脸。 还得是平面正对着。
|
D***r
发帖数: 7511 | 3 恁现在在做啥？
，
【在 g**********1 的大作中提到】
: 几年前从这个领域走出来了。 最近看了一下今天的进展。 竟然还是那个德行。
: 这个领域已经死了。 进20年不会有突破了。
: 连个QR-code 读起来都费劲。 背景光线一变就完蛋了。 平面的feature都不行，
: 三位物体的识别更是天方夜谭了。 现在也就识别个人脸。 还得是平面正对着。
|
l********a
发帖数: 1154 | 4 +1
被做滥的才是没潜力的
【在 L********d 的大作中提到】
: 外行说一句，正因为难，才有做的潜力
:
: ，
:
|
a****l
发帖数: 8211 | 5 期待天才的突破啊...现在的计算机视觉听觉基本上都是骗小孩和某粉的玩具,没有根本
性的突破小修小补改善不了的.
，
【在 g**********1 的大作中提到】
: 几年前从这个领域走出来了。 最近看了一下今天的进展。 竟然还是那个德行。
: 这个领域已经死了。 进20年不会有突破了。
: 连个QR-code 读起来都费劲。 背景光线一变就完蛋了。 平面的feature都不行，
: 三位物体的识别更是天方夜谭了。 现在也就识别个人脸。 还得是平面正对着。
|
p*********t
发帖数: 2690 | 6 听觉不是有语音识别系统,現在已经用在自动回答电话里了吗?
【在 a****l 的大作中提到】
: 期待天才的突破啊...现在的计算机视觉听觉基本上都是骗小孩和某粉的玩具,没有根本
: 性的突破小修小补改善不了的.
:
: ，
:
|
a****l
发帖数: 8211 | 7 自动回答电话?哪壶不开提哪壶啊.
【在 p*********t 的大作中提到】
: 听觉不是有语音识别系统,現在已经用在自动回答电话里了吗?
|
r********3
发帖数: 2998 | 8 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。
【在 L********d 的大作中提到】
: 外行说一句，正因为难，才有做的潜力
:
: ，
:
|
w***g
发帖数: 5958 | 9 问题太难，大家也无能为力。不骗的话钱哪儿来？
，
【在 g**********1 的大作中提到】
: 几年前从这个领域走出来了。 最近看了一下今天的进展。 竟然还是那个德行。
: 这个领域已经死了。 进20年不会有突破了。
: 连个QR-code 读起来都费劲。 背景光线一变就完蛋了。 平面的feature都不行，
: 三位物体的识别更是天方夜谭了。 现在也就识别个人脸。 还得是平面正对着。
|
r********3
发帖数: 2998 | 10 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。
【在 w***g 的大作中提到】
: 问题太难，大家也无能为力。不骗的话钱哪儿来？
:
: ，
:
|
|
|
W*********y
发帖数: 481 | 11 之所以有吹得潜力，是因为市场确实有需求。有funding追着。
【在 r********3 的大作中提到】
: 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 | 12 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。
【在 W*********y 的大作中提到】
: 之所以有吹得潜力，是因为市场确实有需求。有funding追着。
|
W*********y
发帖数: 481 | 13 就说人脸识别吧，目前最先进的系统，仍然有人曾经举着一张照片挡住脸混过去。但是
美国安全局还是在往里面狠狠的砸钱。虽然每年没啥特别本质的进展，但并不妨碍给这
些人不停的送funding。因为这东西一旦做出来，对他们太有用了。
以上是Yi Ma 说的原话，大意。
【在 r********3 的大作中提到】
: 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 | 14 那是没有办法，因为计算视觉这块如果不靠政府砸钱，根本没办法生存，跟生物研究一
样。美国国土安全局,NIH这些在生物研究领域砸的钱远多于人脸识别，甚至超过对整个
计算机科学的投入。。。随便解决一个人类癌症，或者弄一个不死仙丹出来，大家都知道很有用。。。但是并不妨碍生物博士找不到工作，成为千年博士后。
【在 W*********y 的大作中提到】
: 就说人脸识别吧，目前最先进的系统，仍然有人曾经举着一张照片挡住脸混过去。但是
: 美国安全局还是在往里面狠狠的砸钱。虽然每年没啥特别本质的进展，但并不妨碍给这
: 些人不停的送funding。因为这东西一旦做出来，对他们太有用了。
: 以上是Yi Ma 说的原话，大意。
|
a*w
发帖数: 4495 | 15 真的成为千年博士后，也算是对长寿研究的一种贡献。
知道很有用。。。但是并不妨碍生物博士找不到工作，成为千年博士后。
【在 r********3 的大作中提到】
: 那是没有办法，因为计算视觉这块如果不靠政府砸钱，根本没办法生存，跟生物研究一
: 样。美国国土安全局,NIH这些在生物研究领域砸的钱远多于人脸识别，甚至超过对整个
: 计算机科学的投入。。。随便解决一个人类癌症，或者弄一个不死仙丹出来，大家都知道很有用。。。但是并不妨碍生物博士找不到工作，成为千年博士后。
|
n******g
发帖数: 536 | 16 同学们不要浮躁，有饭吃就行。管它有无前途，骗也是一门大学问，社会需要会忽悠的
人才。 |
g**********1
发帖数: 415 | 17 几年前从这个领域走出来了。 最近看了一下今天的进展。 竟然还是那个德行。
这个领域已经死了。 进20年不会有突破了。
连个QR-code 读起来都费劲。 背景光线一变就完蛋了。 平面的feature都不行，
三位物体的识别更是天方夜谭了。 现在也就识别个人脸。 还得是平面正对着。 |
L********d
发帖数: 3820 | 18 外行说一句，正因为难，才有做的潜力
，
【在 g**********1 的大作中提到】
: 几年前从这个领域走出来了。 最近看了一下今天的进展。 竟然还是那个德行。
: 这个领域已经死了。 进20年不会有突破了。
: 连个QR-code 读起来都费劲。 背景光线一变就完蛋了。 平面的feature都不行，
: 三位物体的识别更是天方夜谭了。 现在也就识别个人脸。 还得是平面正对着。
|
D***r
发帖数: 7511 | 19 恁现在在做啥？
，
【在 g**********1 的大作中提到】
: 几年前从这个领域走出来了。 最近看了一下今天的进展。 竟然还是那个德行。
: 这个领域已经死了。 进20年不会有突破了。
: 连个QR-code 读起来都费劲。 背景光线一变就完蛋了。 平面的feature都不行，
: 三位物体的识别更是天方夜谭了。 现在也就识别个人脸。 还得是平面正对着。
|
l********a
发帖数: 1154 | 20 +1
被做滥的才是没潜力的
【在 L********d 的大作中提到】
: 外行说一句，正因为难，才有做的潜力
:
: ，
:
|
|
|
a****l
发帖数: 8211 | 21 期待天才的突破啊...现在的计算机视觉听觉基本上都是骗小孩和某粉的玩具,没有根本
性的突破小修小补改善不了的.
，
【在 g**********1 的大作中提到】
: 几年前从这个领域走出来了。 最近看了一下今天的进展。 竟然还是那个德行。
: 这个领域已经死了。 进20年不会有突破了。
: 连个QR-code 读起来都费劲。 背景光线一变就完蛋了。 平面的feature都不行，
: 三位物体的识别更是天方夜谭了。 现在也就识别个人脸。 还得是平面正对着。
|
p*********t
发帖数: 2690 | 22 听觉不是有语音识别系统,現在已经用在自动回答电话里了吗?
【在 a****l 的大作中提到】
: 期待天才的突破啊...现在的计算机视觉听觉基本上都是骗小孩和某粉的玩具,没有根本
: 性的突破小修小补改善不了的.
:
: ，
:
|
a****l
发帖数: 8211 | 23 自动回答电话?哪壶不开提哪壶啊.
【在 p*********t 的大作中提到】
: 听觉不是有语音识别系统,現在已经用在自动回答电话里了吗?
|
r********3
发帖数: 2998 | 24 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。
【在 L********d 的大作中提到】
: 外行说一句，正因为难，才有做的潜力
:
: ，
:
|
w***g
发帖数: 5958 | 25 问题太难，大家也无能为力。不骗的话钱哪儿来？
，
【在 g**********1 的大作中提到】
: 几年前从这个领域走出来了。 最近看了一下今天的进展。 竟然还是那个德行。
: 这个领域已经死了。 进20年不会有突破了。
: 连个QR-code 读起来都费劲。 背景光线一变就完蛋了。 平面的feature都不行，
: 三位物体的识别更是天方夜谭了。 现在也就识别个人脸。 还得是平面正对着。
|
r********3
发帖数: 2998 | 26 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。
【在 w***g 的大作中提到】
: 问题太难，大家也无能为力。不骗的话钱哪儿来？
:
: ，
:
|
W*********y
发帖数: 481 | 27 之所以有吹得潜力，是因为市场确实有需求。有funding追着。
【在 r********3 的大作中提到】
: 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 | 28 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。
【在 W*********y 的大作中提到】
: 之所以有吹得潜力，是因为市场确实有需求。有funding追着。
|
W*********y
发帖数: 481 | 29 就说人脸识别吧，目前最先进的系统，仍然有人曾经举着一张照片挡住脸混过去。但是
美国安全局还是在往里面狠狠的砸钱。虽然每年没啥特别本质的进展，但并不妨碍给这
些人不停的送funding。因为这东西一旦做出来，对他们太有用了。
以上是Yi Ma 说的原话，大意。
【在 r********3 的大作中提到】
: 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 | 30 那是没有办法，因为计算视觉这块如果不靠政府砸钱，根本没办法生存，跟生物研究一
样。美国国土安全局,NIH这些在生物研究领域砸的钱远多于人脸识别，甚至超过对整个
计算机科学的投入。。。随便解决一个人类癌症，或者弄一个不死仙丹出来，大家都知道很有用。。。但是并不妨碍生物博士找不到工作，成为千年博士后。
【在 W*********y 的大作中提到】
: 就说人脸识别吧，目前最先进的系统，仍然有人曾经举着一张照片挡住脸混过去。但是
: 美国安全局还是在往里面狠狠的砸钱。虽然每年没啥特别本质的进展，但并不妨碍给这
: 些人不停的送funding。因为这东西一旦做出来，对他们太有用了。
: 以上是Yi Ma 说的原话，大意。
|
|
|
a*w
发帖数: 4495 | 31 真的成为千年博士后，也算是对长寿研究的一种贡献。
知道很有用。。。但是并不妨碍生物博士找不到工作，成为千年博士后。
【在 r********3 的大作中提到】
: 那是没有办法，因为计算视觉这块如果不靠政府砸钱，根本没办法生存，跟生物研究一
: 样。美国国土安全局,NIH这些在生物研究领域砸的钱远多于人脸识别，甚至超过对整个
: 计算机科学的投入。。。随便解决一个人类癌症，或者弄一个不死仙丹出来，大家都知道很有用。。。但是并不妨碍生物博士找不到工作，成为千年博士后。
|
n******g
发帖数: 536 | 32 同学们不要浮躁，有饭吃就行。管它有无前途，骗也是一门大学问，社会需要会忽悠的
人才。 |
d*****u
发帖数: 17243 | 33 CV的问题就在于完全成了数值模拟
大家就是从raw data出发，然后搞一些基于统计的方法
parameter这块弄得太简单，实际没啥模型
这当然也是因为神经科学/认知科学不够发达，不知道有啥好的模型可用
现在AI都有这个趋势
大家都懒得去建模，就用machine learning捣鼓原始数据
然后得出一些结果就满足了
，
【在 g**********1 的大作中提到】
: 几年前从这个领域走出来了。 最近看了一下今天的进展。 竟然还是那个德行。
: 这个领域已经死了。 进20年不会有突破了。
: 连个QR-code 读起来都费劲。 背景光线一变就完蛋了。 平面的feature都不行，
: 三位物体的识别更是天方夜谭了。 现在也就识别个人脸。 还得是平面正对着。
|
k**********g
发帖数: 989 | 34 人臉是大泡沫。醫療是非勿擾。其餘的都是真的，就看有沒有找對下家。 |
p*****w
发帖数: 429 | 35 还有其余阿，真乐观。
【在 k**********g 的大作中提到】
: 人臉是大泡沫。醫療是非勿擾。其餘的都是真的，就看有沒有找對下家。
|
p*****w
发帖数: 429 | 36 parameter建模？司马意思？
【在 d*****u 的大作中提到】
: CV的问题就在于完全成了数值模拟
: 大家就是从raw data出发，然后搞一些基于统计的方法
: parameter这块弄得太简单，实际没啥模型
: 这当然也是因为神经科学/认知科学不够发达，不知道有啥好的模型可用
: 现在AI都有这个趋势
: 大家都懒得去建模，就用machine learning捣鼓原始数据
: 然后得出一些结果就满足了
:
: ，
:
|
d*****u
发帖数: 17243 | 37 我也不是内行，只能简单谈谈印象，不一定说得对
比如人脸识别，最成功的技术还是基于PCA，找eigenfaces
这完完全全就是统计，没别的
但是人的面孔识别肯定不只是把图像信号在视觉中枢里做PCA那么简单
比如还有基于经验的信号补偿、一些三维重构等等
（这些其实也可以用data来train，题外话）
主要参数也未必很符合principle components
当然有些时候模型还是挺复杂的，至少看上去也比较合理
就像最简单的找物体轮廓，都包含了光学原理、微分几何原理等等
这部分的难点大概也就在于一些top-down processing
【在 p*****w 的大作中提到】
: parameter建模？司马意思？
|
d******e
发帖数: 7844 | 38 个人觉得，人脸里的PCA已经和统计本身没啥关系了，就剩下一个heuristic的方法了。
反而从几何角度来解释就足够了。
统计里认为如果p>>n的话，PCA找到的eigenvector根本没有统计意义... ...
但从实际性能来看，PCA的表现并不差。
【在 d*****u 的大作中提到】
: 我也不是内行，只能简单谈谈印象，不一定说得对
: 比如人脸识别，最成功的技术还是基于PCA，找eigenfaces
: 这完完全全就是统计，没别的
: 但是人的面孔识别肯定不只是把图像信号在视觉中枢里做PCA那么简单
: 比如还有基于经验的信号补偿、一些三维重构等等
: （这些其实也可以用data来train，题外话）
: 主要参数也未必很符合principle components
: 当然有些时候模型还是挺复杂的，至少看上去也比较合理
: 就像最简单的找物体轮廓，都包含了光学原理、微分几何原理等等
: 这部分的难点大概也就在于一些top-down processing
|
w********r
发帖数: 14958 | 39 我认为目前很多CV里面的东西又回到black magic范畴里了。 根本没有模型，不知道
是为什么就work了， 因此也就没法进一步提高。
比如什么kernel svm |
r********3
发帖数: 2998 | 40 对。纯粹是做数值分析，没有多大的意义。把CV回归到一个应用学科。
前面回帖已经说了，想提高CV领域的影响力，首先还是得缩小conference的规模和录取
paper数量，把CVPR,ICCV,ECCV等几大conference合并了，一年总共只录取60,70篇
paper，只让精益求精的paper来引导整个领域的方向。而不是让什么烂paper, PCA上变
一下就可以发到CVPR,ICCV之类的。
【在 w********r 的大作中提到】
: 我认为目前很多CV里面的东西又回到black magic范畴里了。 根本没有模型，不知道
: 是为什么就work了， 因此也就没法进一步提高。
: 比如什么kernel svm
|
|
|
w***g
发帖数: 5958 | 41 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。
【在 r********3 的大作中提到】
: 对。纯粹是做数值分析，没有多大的意义。把CV回归到一个应用学科。
: 前面回帖已经说了，想提高CV领域的影响力，首先还是得缩小conference的规模和录取
: paper数量，把CVPR,ICCV,ECCV等几大conference合并了，一年总共只录取60,70篇
: paper，只让精益求精的paper来引导整个领域的方向。而不是让什么烂paper, PCA上变
: 一下就可以发到CVPR,ICCV之类的。
|
r********3
发帖数: 2998 | 42 我没有说CVPR,ICCV,ECCV很烂。我的意思说，让领导CV潮流的top conference变得更加
慎重和精贵。CV作为一个没有应用背景的应用学科，完全没有必要搞那么多个top
conference，录取那么多篇的paper。
现在CVPR,ICCV,ECCV的走法，影响的不只是这几个conference本身，而是严重到大家对
CV领域的产生了看法。不得不说，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。现在很多非CS的
学生，学自动化，学统计的，花几周时间，写几十行matlab，就可以发CVPR。要是换个
传统领域，比如storage的，别人build一个很小的系统模块都要花上至少半年的时间。
几周时间估计连如何编译Linux Kernel都还没搞清楚呢。另外，同样是作为自然语言处
理的top conference, ACL。别人就做得很好，一年控制到50,60篇paper,绝对不是随便
扯一个machine learning的方法在自然语言数据上跑一下就可以发表的。
【在 w***g 的大作中提到】
: 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。
|
a***y
发帖数: 852 | 43 I'm doing vision. Please tell me how to make a CVPR paper within less than
100 line Matlab.
【在 r********3 的大作中提到】
: 我没有说CVPR,ICCV,ECCV很烂。我的意思说，让领导CV潮流的top conference变得更加
: 慎重和精贵。CV作为一个没有应用背景的应用学科，完全没有必要搞那么多个top
: conference，录取那么多篇的paper。
: 现在CVPR,ICCV,ECCV的走法，影响的不只是这几个conference本身，而是严重到大家对
: CV领域的产生了看法。不得不说，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。现在很多非CS的
: 学生，学自动化，学统计的，花几周时间，写几十行matlab，就可以发CVPR。要是换个
: 传统领域，比如storage的，别人build一个很小的系统模块都要花上至少半年的时间。
: 几周时间估计连如何编译Linux Kernel都还没搞清楚呢。另外，同样是作为自然语言处
: 理的top conference, ACL。别人就做得很好，一年控制到50,60篇paper,绝对不是随便
|
n****r
发帖数: 471 | 44 "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的应用前景比自然语言
还是广泛不少吧？
【在 r********3 的大作中提到】
: 我没有说CVPR,ICCV,ECCV很烂。我的意思说，让领导CV潮流的top conference变得更加
: 慎重和精贵。CV作为一个没有应用背景的应用学科，完全没有必要搞那么多个top
: conference，录取那么多篇的paper。
: 现在CVPR,ICCV,ECCV的走法，影响的不只是这几个conference本身，而是严重到大家对
: CV领域的产生了看法。不得不说，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。现在很多非CS的
: 学生，学自动化，学统计的，花几周时间，写几十行matlab，就可以发CVPR。要是换个
: 传统领域，比如storage的，别人build一个很小的系统模块都要花上至少半年的时间。
: 几周时间估计连如何编译Linux Kernel都还没搞清楚呢。另外，同样是作为自然语言处
: 理的top conference, ACL。别人就做得很好，一年控制到50,60篇paper,绝对不是随便
|
n****r
发帖数: 471 | 45 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？
【在 r********3 的大作中提到】
: 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。
|
n****r
发帖数: 471 | 46 赞同你说的 “但是人的面孔识别肯定不只是把图像信号在视觉中枢里做PCA那么简单”
CV本来大家其实更应该关注在怎么建model，怎么组织信息，怎么infer。
但是这些太难做了，而且效果往往还没有那些简单粗暴，基于大量数据的统计方法效果
好，所以CV越来越多的文章都是走你说的这条路。
这恰恰是因为CV现在太注重实用，太注重效果导致performance高于一切， 一般来说
reviewer先看结果，结果不行的第一印象就差了。
不过像running123说的合并三大会就太偏激了， 可以组织一个收稿少一些，但是偏向
于收那些在文章里面提出比较novel一点framework的paper， 比三大会要高一个档次。
这样鼓励大家去多想想vision本身的东西，而不是说天天看ICML，看那个tools好用，
拿过来灌水。
【在 d*****u 的大作中提到】
: 我也不是内行，只能简单谈谈印象，不一定说得对
: 比如人脸识别，最成功的技术还是基于PCA，找eigenfaces
: 这完完全全就是统计，没别的
: 但是人的面孔识别肯定不只是把图像信号在视觉中枢里做PCA那么简单
: 比如还有基于经验的信号补偿、一些三维重构等等
: （这些其实也可以用data来train，题外话）
: 主要参数也未必很符合principle components
: 当然有些时候模型还是挺复杂的，至少看上去也比较合理
: 就像最简单的找物体轮廓，都包含了光学原理、微分几何原理等等
: 这部分的难点大概也就在于一些top-down processing
|
w***n
发帖数: 1084 | 47 你同学中了network的top conference?
别的方向咱不熟。凭我自己有限的经验，vision的top conference的确好中很多。一个原因是top会太多了，iccv, cvpr, eccv，啥都可以投。另一个原因是收太多了。iccv一次就是300多篇paper，proceedings厚厚的两大本可以砸死人。大部分别的方向top会议都收不了这么多。
double
paper
【在 n****r 的大作中提到】
: "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？
|
n****r
发帖数: 471 | 48 怎么定义top conference?
如果说除了sigcomm, mobicom其他都不算，那他确实没中。
INFOCOM， ICDCS算不算？他经常deadline以前两个礼拜，实验还没做呢 （他是做算法
的，不是做系统的）。
当然，他这可能是特例，这肯定不代表一般的情况。
这么纠结top conference和收多少文章有什么意思？
嫌三大会收的文章多，可以中oral presentation啊， 一个会就5，60篇， 如果还嫌多
，可以中best paper， 一个会就一篇。做的工作好不好总是有人能看出来的，不代表
你跟一堆水文发在一起，就掉多少身价，况且我还真不觉得“vision的top conference
的确好中很多”， 都是出来混饭吃的，哪口饭就比另外一口饭好吃的着呢？
另外，中的文章多是因为做的人也多，就是牛校的大老板一个会平均也就中5，6篇，这
个数目和网络比不多吧？
另外敢问张口闭口会太多的，知不知道ECCV和ICCV隔年开？ 实际上一年就两个会。
争论这些没什么意思， 都是做研究的， 我觉得还是不要轻视别的成果，看到别人的
paper也不要轻易下结论说这是水文，都试着尊重点儿别人的工作不好么？
更何况很多鄙视别人工作的，自己连做的没做过。
话说人都是看着别人的钱好挣。。。
个原因是top会太多了，iccv, cvpr, eccv，啥都可以投。另一个原因是收太多了。
iccv一次就是300多篇paper，proceedings厚厚的两大本可以砸死人。大部分别的方向
top会议都收不了这么多。
【在 w***n 的大作中提到】
: 你同学中了network的top conference?
: 别的方向咱不熟。凭我自己有限的经验，vision的top conference的确好中很多。一个原因是top会太多了，iccv, cvpr, eccv，啥都可以投。另一个原因是收太多了。iccv一次就是300多篇paper，proceedings厚厚的两大本可以砸死人。大部分别的方向top会议都收不了这么多。
:
: double
: paper
|
c*******h
发帖数: 1096 | 49 你们这些争来争去没什么意思
做研究要有全局观。大家也都知道现在的研究风气造就了水文一堆，很多领域
都这样。要评论一个领域的发展，就把这个领域十年内的paper全烧了，看一
下觉不觉得可惜，看一下现在跟十年前有没有大的区别，看一下现在拿得出手
的研究突破有哪些，想一下这些成果主要是在工业界做出来的，还是在学术界
做出来的，还是两者共同合作的成果。
做研究也跟经济一样，会有泡沫，有些东西流行一段时间，大家拼命地砸钱砸
精力，做了一段时间之后发现之前过于乐观，自然会回归当初。
conference
【在 n****r 的大作中提到】
: 怎么定义top conference?
: 如果说除了sigcomm, mobicom其他都不算，那他确实没中。
: INFOCOM， ICDCS算不算？他经常deadline以前两个礼拜，实验还没做呢 （他是做算法
: 的，不是做系统的）。
: 当然，他这可能是特例，这肯定不代表一般的情况。
: 这么纠结top conference和收多少文章有什么意思？
: 嫌三大会收的文章多，可以中oral presentation啊， 一个会就5，60篇， 如果还嫌多
: ，可以中best paper， 一个会就一篇。做的工作好不好总是有人能看出来的，不代表
: 你跟一堆水文发在一起，就掉多少身价，况且我还真不觉得“vision的top conference
: 的确好中很多”， 都是出来混饭吃的，哪口饭就比另外一口饭好吃的着呢？
|
n****r
发帖数: 471 | 50 恩，这个办法好。
10年都短了，我大概了解的几个领域估计10年paper全烧了，损失不算太大。。。（包
括CV）
我也知道争这些没意义，只不过有些人实在是说话不大负责任。
如果说CV有泡沫，或者方向走入歧途了，我没意见。
像之前有的ID虽然不是做CV的，但是说的很对，比如CV现在基本上就是在raw data上玩
统计啊什么的，我自己也很反感这样的。
这些都说的对。
泡沫哪个方向都有，CV有，网络我觉得也有。 网络一年发的文章更多。现在我们用的
网络技术，这10年paper里面的占多少。
再过2，30十年再回过头看CV，如果真没做出来，像传统AI那样死掉了，那至少花费了
这么人力物力告诉大家一个道理： 见LZ标题。 现在下结论还为时过早。
话说我一直觉得paper不光应该接收那种成功的方法，也应该接受失败的，如果能讲明
白为什么失败，问题出在什么地方，警示后人，这contribution比那些接收了的水文还
强。
【在 c*******h 的大作中提到】
: 你们这些争来争去没什么意思
: 做研究要有全局观。大家也都知道现在的研究风气造就了水文一堆，很多领域
: 都这样。要评论一个领域的发展，就把这个领域十年内的paper全烧了，看一
: 下觉不觉得可惜，看一下现在跟十年前有没有大的区别，看一下现在拿得出手
: 的研究突破有哪些，想一下这些成果主要是在工业界做出来的，还是在学术界
: 做出来的，还是两者共同合作的成果。
: 做研究也跟经济一样，会有泡沫，有些东西流行一段时间，大家拼命地砸钱砸
: 精力，做了一段时间之后发现之前过于乐观，自然会回归当初。
:
: conference
|
|
|
n****r
发帖数: 471 | 51 当然我说全烧了，损失不是太大是因为，好的idea，真正work的idea都印到大家脑子里
面了，烧了paper问题不大， 那些水文大家没记住的，烧了也没什么。
【在 n****r 的大作中提到】
: 恩，这个办法好。
: 10年都短了，我大概了解的几个领域估计10年paper全烧了，损失不算太大。。。（包
: 括CV）
: 我也知道争这些没意义，只不过有些人实在是说话不大负责任。
: 如果说CV有泡沫，或者方向走入歧途了，我没意见。
: 像之前有的ID虽然不是做CV的，但是说的很对，比如CV现在基本上就是在raw data上玩
: 统计啊什么的，我自己也很反感这样的。
: 这些都说的对。
: 泡沫哪个方向都有，CV有，网络我觉得也有。 网络一年发的文章更多。现在我们用的
: 网络技术，这10年paper里面的占多少。
|
d******e
发帖数: 7844 | 52 那个running123就是个Machine Learning，Computer Vision的棒槌，他的话不能当真
，哈哈
【在 n****r 的大作中提到】
: 恩，这个办法好。
: 10年都短了，我大概了解的几个领域估计10年paper全烧了，损失不算太大。。。（包
: 括CV）
: 我也知道争这些没意义，只不过有些人实在是说话不大负责任。
: 如果说CV有泡沫，或者方向走入歧途了，我没意见。
: 像之前有的ID虽然不是做CV的，但是说的很对，比如CV现在基本上就是在raw data上玩
: 统计啊什么的，我自己也很反感这样的。
: 这些都说的对。
: 泡沫哪个方向都有，CV有，网络我觉得也有。 网络一年发的文章更多。现在我们用的
: 网络技术，这10年paper里面的占多少。
|
w***n
发帖数: 1084 | 53 简单点说好了，咱们不讨论paper质量，就讨论灌水的难易程度。中eccv/iccv/cvpr要比中别的方向的sig系列相对容易，你同不同意？
你有没有投过别的方向的paper？你要没投过，凭什么评价哪个方向的paper好中不好中？我不是做vision的，唯一的vision experience就是一次iccv。投之前paper远没达到我满意的程度（按照自己领域的标准），但居然都中了oral。
光比较工作量的话，我觉得vision差不多在1个月时间左右就够了。别的方向可能要3，4个月，甚至更长。单就我的方向而言，如果deadline前1个月还没有coding完成，基本上就没戏了。而一帮搞vision的哥们儿cvpr前1个月才刚刚开始想idea。
你要比较学生也行。搞vision的毕业的时候很多都有3、4篇cvpr, iccv, eccv。有的人5、6篇，甚至更多。当年我办公室一个印度同学他毕业的时候有4篇cvpr, 2篇iccv，1篇eccv，基本上都是第一作者。但别的方向的学生可能毕业的时候有1、2篇sig（或者同等档次的）就相当不错了。要能有3、4篇，基本上top school里头也就几年才出一个。
conference
【在 n****r 的大作中提到】
: 怎么定义top conference?
: 如果说除了sigcomm, mobicom其他都不算，那他确实没中。
: INFOCOM， ICDCS算不算？他经常deadline以前两个礼拜，实验还没做呢 （他是做算法
: 的，不是做系统的）。
: 当然，他这可能是特例，这肯定不代表一般的情况。
: 这么纠结top conference和收多少文章有什么意思？
: 嫌三大会收的文章多，可以中oral presentation啊， 一个会就5，60篇， 如果还嫌多
: ，可以中best paper， 一个会就一篇。做的工作好不好总是有人能看出来的，不代表
: 你跟一堆水文发在一起，就掉多少身价，况且我还真不觉得“vision的top conference
: 的确好中很多”， 都是出来混饭吃的，哪口饭就比另外一口饭好吃的着呢？
|
j******g
发帖数: 436 | 54 2个infocom换1个sigcomm，不知道多少人愿意换。
conference
【在 n****r 的大作中提到】
: 怎么定义top conference?
: 如果说除了sigcomm, mobicom其他都不算，那他确实没中。
: INFOCOM， ICDCS算不算？他经常deadline以前两个礼拜，实验还没做呢 （他是做算法
: 的，不是做系统的）。
: 当然，他这可能是特例，这肯定不代表一般的情况。
: 这么纠结top conference和收多少文章有什么意思？
: 嫌三大会收的文章多，可以中oral presentation啊， 一个会就5，60篇， 如果还嫌多
: ，可以中best paper， 一个会就一篇。做的工作好不好总是有人能看出来的，不代表
: 你跟一堆水文发在一起，就掉多少身价，况且我还真不觉得“vision的top conference
: 的确好中很多”， 都是出来混饭吃的，哪口饭就比另外一口饭好吃的着呢？
|
z***t
发帖数: 2374 | 55 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。 |
n****r
发帖数: 471 | 56 vision会议文章多，真正有价值的可以改了以后投PAMI啊。。。
PAMI每个毕业生总没有4，5篇吧？
我的意思是说水多了不用操心，就像钱印多了自然贬值了一样， 现在CV的毕业生每个4
，5篇三大会还确实是不好意思跟别人打招呼。以后搞不好直接无视poster了，直接比
oral。
你投了一次ICCV中了oral不代表什么，你也说了你是有限的experience，有时候跨领域
的方法容易吸引人眼球。如果你是做ML,DM的，或者是做large scale data，什么
transfer learning的，这几年中了oral那就更不足为奇了。 我也见过做ML的随手做做
CV就中oral的。
评论别的方向paper好中不好中的是你，不是我。
我没说别的方向paper好中，实际上我觉得任何方向的paper都不好中。
我尤其不会评论一个我不了解的方向。
SIGKDD， SIGIR都是牛会，我从来没说过好中啊，而且我承认这些比三大会的poster难
中。
这又怎么样呢？ 是好工作在哪儿都能发光， ICCV 2011 的test-of-time paper评出来
了，大家是不是众望所归？ 2000年Adaboost viola& Jones 还就是个poster呢。
paper录的多怎么了？
你同学那个是特例没什么好谈的，也许是人家天赋好，或者topic选的好。
就像我说我同学，我也说肯定是特例，不代表普遍现象一样。
唉，21号就CVPR deadline， 我现在还在这儿跟人argue，真是没劲。。。
我怀疑这个帖子是拿出来估计恶心在水深火热之中写CV paper的人的。
要比中别的方向的sig系列相对容易，你同不同意？
中？我不是做vision的，唯一的vision experience就是一次iccv。投之前paper远没达
到我满意的程度（按照自己领域的标准），但居然都中了oral。
，4个月，甚至更长。单就我的方向而言，如果deadline前1个月还没有coding完成，基
本上就没戏了。而一帮搞vision的哥们儿cvpr前1个月才刚刚开始想idea。
人5、6篇，甚至更多。当年我办公室一个印度同学他毕业的时候有4篇cvpr, 2篇iccv，
1篇eccv，基本上都是第一作者。但别的方向的学生可能毕业的时候有1、2篇sig（或者
同等档次的）就相当不错了。要能有3、4篇，基本上top school里头也就几年才出一个。
【在 w***n 的大作中提到】
: 简单点说好了，咱们不讨论paper质量，就讨论灌水的难易程度。中eccv/iccv/cvpr要比中别的方向的sig系列相对容易，你同不同意？
: 你有没有投过别的方向的paper？你要没投过，凭什么评价哪个方向的paper好中不好中？我不是做vision的，唯一的vision experience就是一次iccv。投之前paper远没达到我满意的程度（按照自己领域的标准），但居然都中了oral。
: 光比较工作量的话，我觉得vision差不多在1个月时间左右就够了。别的方向可能要3，4个月，甚至更长。单就我的方向而言，如果deadline前1个月还没有coding完成，基本上就没戏了。而一帮搞vision的哥们儿cvpr前1个月才刚刚开始想idea。
: 你要比较学生也行。搞vision的毕业的时候很多都有3、4篇cvpr, iccv, eccv。有的人5、6篇，甚至更多。当年我办公室一个印度同学他毕业的时候有4篇cvpr, 2篇iccv，1篇eccv，基本上都是第一作者。但别的方向的学生可能毕业的时候有1、2篇sig（或者同等档次的）就相当不错了。要能有3、4篇，基本上top school里头也就几年才出一个。
:
: conference
|
n****r
发帖数: 471 | 57 这个保守了。。。
至少得5篇吧？呵呵。 Sigcomm文章确实值钱。
但是我引用我同学的话： Sigcomm 是小圈子，不是谁都能进得去的。。。
有Infocom这种会至少还给了你一次机会present自己的工作，都改成sigcomm这种，牛
校的学生高兴了，一般学校的学生还不得哭死去？
【在 j******g 的大作中提到】
: 2个infocom换1个sigcomm，不知道多少人愿意换。
:
: conference
|
n****r
发帖数: 471 | 58 呵呵，打字打的都累了。。。
发现做研究的人都好mean啊，都是宽以待己，严于律人的主儿。。。。
【在 d******e 的大作中提到】
: 那个running123就是个Machine Learning，Computer Vision的棒槌，他的话不能当真
: ，哈哈
|
w***n
发帖数: 1084 | 59 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
【在 n****r 的大作中提到】
: vision会议文章多，真正有价值的可以改了以后投PAMI啊。。。
: PAMI每个毕业生总没有4，5篇吧？
: 我的意思是说水多了不用操心，就像钱印多了自然贬值了一样， 现在CV的毕业生每个4
: ，5篇三大会还确实是不好意思跟别人打招呼。以后搞不好直接无视poster了，直接比
: oral。
: 你投了一次ICCV中了oral不代表什么，你也说了你是有限的experience，有时候跨领域
: 的方法容易吸引人眼球。如果你是做ML,DM的，或者是做large scale data，什么
: transfer learning的，这几年中了oral那就更不足为奇了。 我也见过做ML的随手做做
: CV就中oral的。
: 评论别的方向paper好中不好中的是你，不是我。
|
n****r
发帖数: 471 | 60 对，我也发现了，CV的paper中NIPS要比ML的paper容易。
不知道为什么，感觉在考虑录取的时候占了一些便宜。
我们这烂系今年做ML， DM的投了一堆都没中NIPS， 做CV的投了一篇反而中了。
【在 z***t 的大作中提到】
: 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
|
|
|
n****r
发帖数: 471 | 61 没错啊。我同意啊。
So what?
相对容易。zrest前面说的基本是比较靠铺的。
【在 w***n 的大作中提到】
: 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 | 62 中的容易了，贬值了，大家就除以2比呗，实在不行除以3。。。
相对容易。zrest前面说的基本是比较靠铺的。
【在 w***n 的大作中提到】
: 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
|
j******g
发帖数: 436 | 63 一般领域top的文章相当于一等的两篇，每降一级*2。看样子infocom只能算二流了。
【在 n****r 的大作中提到】
: 这个保守了。。。
: 至少得5篇吧？呵呵。 Sigcomm文章确实值钱。
: 但是我引用我同学的话： Sigcomm 是小圈子，不是谁都能进得去的。。。
: 有Infocom这种会至少还给了你一次机会present自己的工作，都改成sigcomm这种，牛
: 校的学生高兴了，一般学校的学生还不得哭死去？
|
z***t
发帖数: 2374 | 64
你也太扯了，5篇。。。
10篇infocom基本有faculty position
但见过两篇sigcomm的连续两年没找到职位
【在 n****r 的大作中提到】
: 这个保守了。。。
: 至少得5篇吧？呵呵。 Sigcomm文章确实值钱。
: 但是我引用我同学的话： Sigcomm 是小圈子，不是谁都能进得去的。。。
: 有Infocom这种会至少还给了你一次机会present自己的工作，都改成sigcomm这种，牛
: 校的学生高兴了，一般学校的学生还不得哭死去？
|
n****r
发帖数: 471 | 65 我随便说说，我也不了解啊。
只不过听我同学说的感觉哪怕Phd有一篇sigcomm，那出去一说就不是跟人比数量了。。。
这样的会谁都想中啊， 关键是网络又不double blind，这个小圈子的会，想中真难啊。
【在 j******g 的大作中提到】
: 一般领域top的文章相当于一等的两篇，每降一级*2。看样子infocom只能算二流了。
|
n****r
发帖数: 471 | 66 呵呵，我上面说了啊，随便说说的，对不了解的领域，我只能说“可能怎么怎么样“。
。。
不过我同学他们确实中infocomm容易很多，大概人手都有几篇，但是sigcomm就是dream
了，从没人中过。可能他们是越得不到的越眼馋吧。
【在 z***t 的大作中提到】
:
: 你也太扯了，5篇。。。
: 10篇infocom基本有faculty position
: 但见过两篇sigcomm的连续两年没找到职位
|
w***n
发帖数: 1084 | 67 撇开网络不讲，别的方向的double blind的会还是很多的。况且double blind也不是真
完全blind。
。。
啊。
【在 n****r 的大作中提到】
: 我随便说说，我也不了解啊。
: 只不过听我同学说的感觉哪怕Phd有一篇sigcomm，那出去一说就不是跟人比数量了。。。
: 这样的会谁都想中啊， 关键是网络又不double blind，这个小圈子的会，想中真难啊。
|
n****r
发帖数: 471 | 68 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。
【在 w***n 的大作中提到】
: 撇开网络不讲，别的方向的double blind的会还是很多的。况且double blind也不是真
: 完全blind。
:
: 。。
: 啊。
|
w***n
发帖数: 1084 | 69 double blind只是对小reviewer而言的，作者名单对于chair们而言都是看得见的。所以即便不是double blind，你也未必就会难中很多。
而且我听说vision的会议session chair们的权力很大，可以直接override reviewer的意见。经常听说烂分中好分不中的情况。这未必是件坏事。有的时候有的reviewer也是相当不靠谱的。
【在 n****r 的大作中提到】
: 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 | 70
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
【在 r********3 的大作中提到】
: 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。
|
|
|
n****r
发帖数: 471 | 71 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。
【在 w***n 的大作中提到】
: double blind只是对小reviewer而言的，作者名单对于chair们而言都是看得见的。所以即便不是double blind，你也未必就会难中很多。
: 而且我听说vision的会议session chair们的权力很大，可以直接override reviewer的意见。经常听说烂分中好分不中的情况。这未必是件坏事。有的时候有的reviewer也是相当不靠谱的。
|
n****r
发帖数: 471 | 72 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。
【在 d*****1 的大作中提到】
:
: 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
|
w***n
发帖数: 1084 | 73 vision会议通常就3个reviewer吧。其中一个是senior reviewer，senior reviewer及以上一般都是看得见作者名单的。很多会议也是这个规矩。你说的看人打分的情况只能在小reviewer那层避免。
有些大的sig会议有5个reviewer，其中2个senior reviewers。所以review更加靠谱点。
【在 n****r 的大作中提到】
: 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。
|
z***t
发帖数: 2374 | 74
及以上一般都是看得见作者名单的。大部分会议都是这个规矩。你说的看人打分的情况
只能在小reviewer那层避免。
点。
只有4个program chair可以看到名字，他们当届不能投文章(Malik的功劳啊)
area chair可以算第四个reviewer
文章太多的会议，review质量自然会差，淡定吧
sigcomm,mobicom在committee会议的时候，基本是互相攻击，大组为了保一篇文章也不
容易啊，要看人脉的
【在 w***n 的大作中提到】
: vision会议通常就3个reviewer吧。其中一个是senior reviewer，senior reviewer及以上一般都是看得见作者名单的。很多会议也是这个规矩。你说的看人打分的情况只能在小reviewer那层避免。
: 有些大的sig会议有5个reviewer，其中2个senior reviewers。所以review更加靠谱点。
|
n****r
发帖数: 471 | 75 还真不知道有senior reviewer这么一说。
我以为三个reviewer都是平等的。 不过有时候一个reviewer感觉是area chair，这是
根据我自己的经验猜的。不知道是不是你说的senior reviewer。
CV现在的问题就是投稿数目太多了，reviwer不能assign那么多而且水平参差不齐，所
以variance就有点儿大。
以后应该对投稿收钱，减少那些投了好多次碰运气的。
及以上一般都是看得见作者名单的。很多会议也是这个规矩。你说的看人打分的情况只
能在小reviewer那层避免。
点。
【在 w***n 的大作中提到】
: vision会议通常就3个reviewer吧。其中一个是senior reviewer，senior reviewer及以上一般都是看得见作者名单的。很多会议也是这个规矩。你说的看人打分的情况只能在小reviewer那层避免。
: 有些大的sig会议有5个reviewer，其中2个senior reviewers。所以review更加靠谱点。
|
n****r
发帖数: 471 | 76 恩，这个和我听说的差不多。
program chair的学生不能投文章。但是area chair的可以投，不过commitee开会讨论
的时候，他们的文章因为在conflict domain里面，得出去。
Malik他们组做的东西比较solid，做contour做了那么多年了，这样的大牛不灌水还是
很仰慕的。
【在 z***t 的大作中提到】
:
: 及以上一般都是看得见作者名单的。大部分会议都是这个规矩。你说的看人打分的情况
: 只能在小reviewer那层避免。
: 点。
: 只有4个program chair可以看到名字，他们当届不能投文章(Malik的功劳啊)
: area chair可以算第四个reviewer
: 文章太多的会议，review质量自然会差，淡定吧
: sigcomm,mobicom在committee会议的时候，基本是互相攻击，大组为了保一篇文章也不
: 容易啊，要看人脉的
|
w***n
发帖数: 1084 | 77 cvpr是有senior reviewer的：http://cvpr2011.org/reviewer_guidelines.html。
我不知道vision会议具体senior reviewer是怎么规定的。一般就是指chair? 是否每个paper都会指定? zrest讲讲？我们方向senior reviewer一般只是committee member。
【在 n****r 的大作中提到】
: 还真不知道有senior reviewer这么一说。
: 我以为三个reviewer都是平等的。 不过有时候一个reviewer感觉是area chair，这是
: 根据我自己的经验猜的。不知道是不是你说的senior reviewer。
: CV现在的问题就是投稿数目太多了，reviwer不能assign那么多而且水平参差不齐，所
: 以variance就有点儿大。
: 以后应该对投稿收钱，减少那些投了好多次碰运气的。
:
: 及以上一般都是看得见作者名单的。很多会议也是这个规矩。你说的看人打分的情况只
: 能在小reviewer那层避免。
: 点。
|
d*****1
发帖数: 263 | 78
没有什么breakthough阿。都是在原有基础上小修小改。
有个家伙提出了新问题，(就是那个得奖的)relative attributes， 算是new 的问题和
方法（提出了个新问题嘛）
不过，我感觉，分数低，主要是没有大发展，大家的区别不大吧，也有大家都比较谨慎
的缘故。
我瞎猜的，呵呵
【在 n****r 的大作中提到】
: 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 | 79 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？
【在 d*****1 的大作中提到】
:
: 没有什么breakthough阿。都是在原有基础上小修小改。
: 有个家伙提出了新问题，(就是那个得奖的)relative attributes， 算是new 的问题和
: 方法（提出了个新问题嘛）
: 不过，我感觉，分数低，主要是没有大发展，大家的区别不大吧，也有大家都比较谨慎
: 的缘故。
: 我瞎猜的，呵呵
|
s********7
发帖数: 4681 | 80
【在 l********a 的大作中提到】
: +1
: 被做滥的才是没潜力的
|
|
|
m**********n
发帖数: 285 | 81 个人观点：作为数据分析的基本工具，ML在CV里以后只会用的更多；ML已经dominate
NLP；NLP现在的情况会和CV 5-10年后比较相似。ML正在被应用到CS的各个领用......
了。
【在 n****r 的大作中提到】
: 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 | 82 Kinect and Kinectfusion make the difference. 不要光看不好的一面，也要看好的
一面。
，
【在 g**********1 的大作中提到】
: 几年前从这个领域走出来了。 最近看了一下今天的进展。 竟然还是那个德行。
: 这个领域已经死了。 进20年不会有突破了。
: 连个QR-code 读起来都费劲。 背景光线一变就完蛋了。 平面的feature都不行，
: 三位物体的识别更是天方夜谭了。 现在也就识别个人脸。 还得是平面正对着。
|
m**********n
发帖数: 285 | 83 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。
【在 n****r 的大作中提到】
: 对，我也发现了，CV的paper中NIPS要比ML的paper容易。
: 不知道为什么，感觉在考虑录取的时候占了一些便宜。
: 我们这烂系今年做ML， DM的投了一堆都没中NIPS， 做CV的投了一篇反而中了。
|
n****r
发帖数: 471 | 84 我们组都觉得中的那个NIPS工作也不是很好，相对于我们投的三大会来说。
不过我也觉得平均水平肯定是远远高于三大会的。
【在 m**********n 的大作中提到】
: 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。
|
n****r
发帖数: 471 | 85 恩，ML用的多是好事儿，但是大家都想着借ML的力，把CV的问题做好，这样就不好了。
CV的人还是得想想CV自己的问题，要不然就真的没有存在的必要了。
不过现在大家都混着灌，CV的人学ML越来越多了，然后又有具体应用的场景，有时候也
会投投ICML什么的。
【在 m**********n 的大作中提到】
: 个人观点：作为数据分析的基本工具，ML在CV里以后只会用的更多；ML已经dominate
: NLP；NLP现在的情况会和CV 5-10年后比较相似。ML正在被应用到CS的各个领用......
:
: 了。
|
d******g
发帖数: 346 | 86 What's the basis for your claim?
It's an area full of opportunity. |
l****n
发帖数: 64 | 87 胡说八道，没当过cv 的chair不要乱说。ac都是不知道作者的。
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。这未必是件坏事。有的时候有的reviewer也
是相当不靠谱的。
【在 w***n 的大作中提到】
: double blind只是对小reviewer而言的，作者名单对于chair们而言都是看得见的。所以即便不是double blind，你也未必就会难中很多。
: 而且我听说vision的会议session chair们的权力很大，可以直接override reviewer的意见。经常听说烂分中好分不中的情况。这未必是件坏事。有的时候有的reviewer也是相当不靠谱的。
|
l****n
发帖数: 64 | 88 又一个道听途说的。
及以上一般都是看得见作者名单的。很多会议也是这个规矩。你说的看人打分的情况只
能在小reviewer那层避免。
点。
【在 w***n 的大作中提到】
: vision会议通常就3个reviewer吧。其中一个是senior reviewer，senior reviewer及以上一般都是看得见作者名单的。很多会议也是这个规矩。你说的看人打分的情况只能在小reviewer那层避免。
: 有些大的sig会议有5个reviewer，其中2个senior reviewers。所以review更加靠谱点。
|
l****n
发帖数: 64 | 89 今年cvpr的best student paper是pc的学生。当然, pc不是co-author。今年cvpr有好
多个ac是pc的门生。
【在 z***t 的大作中提到】
:
: 及以上一般都是看得见作者名单的。大部分会议都是这个规矩。你说的看人打分的情况
: 只能在小reviewer那层避免。
: 点。
: 只有4个program chair可以看到名字，他们当届不能投文章(Malik的功劳啊)
: area chair可以算第四个reviewer
: 文章太多的会议，review质量自然会差，淡定吧
: sigcomm,mobicom在committee会议的时候，基本是互相攻击，大组为了保一篇文章也不
: 容易啊，要看人脉的
|
l****n
发帖数: 64 | 90 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。
【在 w***n 的大作中提到】
: cvpr是有senior reviewer的：http://cvpr2011.org/reviewer_guidelines.html。
: 我不知道vision会议具体senior reviewer是怎么规定的。一般就是指chair? 是否每个paper都会指定? zrest讲讲？我们方向senior reviewer一般只是committee member。
|
|
|
s*w
发帖数: 729 | 91 个人感觉，做 area chair 很占便宜，出身很占便宜， 赢家通吃, 非主流不受待见 |
d*****u
发帖数: 17243 | 92 由此我想到了生物信息学里的蛋白质结构预测
这也有两个大的方向
一是用物理原理，实际就是模拟蛋白质形成过程：
用氢键作用力，范德华力，原子间作用力等等来推算蛋白质的形态
二是用统计，完全不care物理原理，把氨基酸链和已知的蛋白质做对比
然后找出相似的
第一种方法听起来好像更“科学”一些，放之四海皆准
但实际上第二种方法更有效，更简单
问题是，如果遇到新的氨基酸链，或者一些很特殊的情况，统计就没法用了
这两种处理问题的philosophy，在工程界也是广泛存在的吧
【在 n****r 的大作中提到】
: 赞同你说的 “但是人的面孔识别肯定不只是把图像信号在视觉中枢里做PCA那么简单”
: CV本来大家其实更应该关注在怎么建model，怎么组织信息，怎么infer。
: 但是这些太难做了，而且效果往往还没有那些简单粗暴，基于大量数据的统计方法效果
: 好，所以CV越来越多的文章都是走你说的这条路。
: 这恰恰是因为CV现在太注重实用，太注重效果导致performance高于一切， 一般来说
: reviewer先看结果，结果不行的第一印象就差了。
: 不过像running123说的合并三大会就太偏激了， 可以组织一个收稿少一些，但是偏向
: 于收那些在文章里面提出比较novel一点framework的paper， 比三大会要高一个档次。
: 这样鼓励大家去多想想vision本身的东西，而不是说天天看ICML，看那个tools好用，
: 拿过来灌水。
|
c*******h
发帖数: 1096 | 93 就跟气候研究一样，一些用物理模型，解微分方程，一些用统计，做回归
说到底两个手段都有局限性，都有不work的时侯
【在 d*****u 的大作中提到】
: 由此我想到了生物信息学里的蛋白质结构预测
: 这也有两个大的方向
: 一是用物理原理，实际就是模拟蛋白质形成过程：
: 用氢键作用力，范德华力，原子间作用力等等来推算蛋白质的形态
: 二是用统计，完全不care物理原理，把氨基酸链和已知的蛋白质做对比
: 然后找出相似的
: 第一种方法听起来好像更“科学”一些，放之四海皆准
: 但实际上第二种方法更有效，更简单
: 问题是，如果遇到新的氨基酸链，或者一些很特殊的情况，统计就没法用了
: 这两种处理问题的philosophy，在工程界也是广泛存在的吧
|
q*c
发帖数: 9453 | 94 潜力有明年那种潜力， 也有 100 年后那种潜力。
【在 L********d 的大作中提到】
: 外行说一句，正因为难，才有做的潜力
:
: ，
:
|
m*p
发帖数: 1331 | 95 现在做cv的，毕业后找什么工作？当年我拿了个ov的offer,后来没去，觉得他们
industry的味道太重了，没什么意思，遂改行了，hehe |
r********3
发帖数: 2998 | 96 改哪行了？？？？
改哪行了？？？？
改哪行了？？？？
【在 m*p 的大作中提到】
: 现在做cv的，毕业后找什么工作？当年我拿了个ov的offer,后来没去，觉得他们
: industry的味道太重了，没什么意思，遂改行了，hehe
|
n****r
发帖数: 471 | 97 恩，你说的太对了，就是这个感觉。
【在 d*****u 的大作中提到】
: 由此我想到了生物信息学里的蛋白质结构预测
: 这也有两个大的方向
: 一是用物理原理，实际就是模拟蛋白质形成过程：
: 用氢键作用力，范德华力，原子间作用力等等来推算蛋白质的形态
: 二是用统计，完全不care物理原理，把氨基酸链和已知的蛋白质做对比
: 然后找出相似的
: 第一种方法听起来好像更“科学”一些，放之四海皆准
: 但实际上第二种方法更有效，更简单
: 问题是，如果遇到新的氨基酸链，或者一些很特殊的情况，统计就没法用了
: 这两种处理问题的philosophy，在工程界也是广泛存在的吧
|
m**********n
发帖数: 285 | 98 True。 ML和statistics还不能generalize到完全新的test data上（在某正程度上，你
可以叫他们test outliers。你给个全新的东西，其实即使是人，也不见得能认识）。
但如果你有大量的training data，ml and statistics make a lot sense，因为你非
常有可能在training data或他们的组合中找到相似或比较相似的东西，从而做出正确或合理的判
断。
【在 c*******h 的大作中提到】
: 就跟气候研究一样，一些用物理模型，解微分方程，一些用统计，做回归
: 说到底两个手段都有局限性，都有不work的时侯
|
l*********3
发帖数: 22 | 99 前十来年靠着搞计算机视觉这个东西毕业工作
或者成功找到教职 成功甜妞的比较划算
现在读这个专业已经很不划算了
当然 那些nb的一塌糊涂的天才除外
，
【在 g**********1 的大作中提到】
: 几年前从这个领域走出来了。 最近看了一下今天的进展。 竟然还是那个德行。
: 这个领域已经死了。 进20年不会有突破了。
: 连个QR-code 读起来都费劲。 背景光线一变就完蛋了。 平面的feature都不行，
: 三位物体的识别更是天方夜谭了。 现在也就识别个人脸。 还得是平面正对着。
|
d*****l
发帖数: 8441 | 100 还是有些实际意义的，尤其是在安检场合，一来肯定是有安检员在场看着并操作计算机
系统的，故你说的用照片挡脸的情况可以避免；二来，背景和摄像的角度、光线和距离
都是可控的，所以识别率能做高；三来，只要联网跟人脸特征库进行计算和搜索就能自
动搜出可以的脸，也算时减少了人员的雇佣，还是有些意义的。
【在 W*********y 的大作中提到】
: 就说人脸识别吧，目前最先进的系统，仍然有人曾经举着一张照片挡住脸混过去。但是
: 美国安全局还是在往里面狠狠的砸钱。虽然每年没啥特别本质的进展，但并不妨碍给这
: 些人不停的送funding。因为这东西一旦做出来，对他们太有用了。
: 以上是Yi Ma 说的原话，大意。
|
|
|
d*****l
发帖数: 8441 | 101 我没记错的话，eigenface方法至少15年前就有了。
说白了，还是人工智能与Machine Learning技术没有突破，是同样的困境。
我想起了我的一段名言：“统计，有的时候成了一种迷信。”
【在 d*****u 的大作中提到】
: 我也不是内行，只能简单谈谈印象，不一定说得对
: 比如人脸识别，最成功的技术还是基于PCA，找eigenfaces
: 这完完全全就是统计，没别的
: 但是人的面孔识别肯定不只是把图像信号在视觉中枢里做PCA那么简单
: 比如还有基于经验的信号补偿、一些三维重构等等
: （这些其实也可以用data来train，题外话）
: 主要参数也未必很符合principle components
: 当然有些时候模型还是挺复杂的，至少看上去也比较合理
: 就像最简单的找物体轮廓，都包含了光学原理、微分几何原理等等
: 这部分的难点大概也就在于一些top-down processing
|
d******e
发帖数: 7844 | 102 啥算是Machine Learning的技术突破？
【在 d*****l 的大作中提到】
: 我没记错的话，eigenface方法至少15年前就有了。
: 说白了，还是人工智能与Machine Learning技术没有突破，是同样的困境。
: 我想起了我的一段名言：“统计，有的时候成了一种迷信。”
|
c****2
发帖数: 34 | 103 实话啊
【在 w***g 的大作中提到】
: 问题太难，大家也无能为力。不骗的话钱哪儿来？
:
: ，
:
|
c****2
发帖数: 34 | 104 笑，哈哈。。。
【在 a*w 的大作中提到】
: 真的成为千年博士后，也算是对长寿研究的一种贡献。
:
: 知道很有用。。。但是并不妨碍生物博士找不到工作，成为千年博士后。
|
