微软亚研院创研论坛CVPR2020分享会圆桌会议内容小记

今天观看了微软亚研院举办的创研论坛 CVPR2020 论文分享会，分享会邀请了计算机视觉领域多个子领域的大佬们分享已发表的CVPR2020论文。除了论文分享外，还邀请了几位深耕CV领域多年的学界大佬进行了圆桌讨论。

论文分享部分主要就检测、多模态、机器学习、底层视觉、图像生成几个方向，每个方向邀请了3-4位作者分享论文。这部分由于我也只是听了作者的介绍还没有认真阅读论文，暂时不讨论，后面精度过文章后再来分享。本文主要分享一下圆桌讨论时大佬们的看法和建议等等。

本次分享会是由账号微软中国视频中心在B站直播的，有兴趣的朋友可以在录播放出后前往观看。

圆桌讨论小记

圆桌讨论邀请了几位大佬：
马毅，加州大学伯克利分校教授。(以下简称 Ma )
屠卓文，加州大学圣地亚哥分校教授。(以下简称 Tu )
杨明玄，加州大学默塞德分校。(以下简称 Yang )
华刚，Wormpex AI Research首席科学家。(以下简称 Hua )
罗杰波，罗彻斯特大学教授。(以下简称 Luo )

非常感谢各位老师能够参与讨论和分享。上文简介点击即可跳转到大佬们的主页。

以下就是圆桌讨论相应的问题与各位老师的分享，我在看直播时记录了关键信息，下文补充了一下使语言相对完整，根据笔记和自己回忆整理，可能与老师们实际表述不完全一致，如果有问题请大家包涵，录播发布后我也会贴出链接并且自行校对一下。

关于如何选择研究课题，如何发一篇顶会论文？

Luo：首先不要刷榜，不要凑热闹，做自己感兴趣的东西；其次论文写作的核心是让别人看得懂、看出创新点和妙处，不要觉得文章是给自己/导师等看的，要讲清楚问题。

Ma：第一是写作的技巧、能力、语言组织等要多加训练，可以采取比如follow一位或几位自己觉得厉害的人，看看他们的论文和书，训练行文结构、语言表达能力等；第二是不要取悦审稿人，不要为了通过审稿就刻意取悦审稿人，也不要对review意见看得太重；第三课题选择也是要从兴趣出发，可能研究者最初发表的文章就是对基础能力的锻炼，基础能力有了在从兴趣出发research；第四是自己就要做最严厉的审稿人，不断给自己的文章提出质疑，要先说服得了自己。

Tu：作者要“帮人帮己”，自己发表论文对其他人也有一定的启发，做出自己的贡献。

Yang：第一可以让老板做攻击者，找文章的弱点；第二多看好的文章，看看结构是怎么写的；第三不要跟业界拼算力，学界算力打不过业界（太真实了）

Hua：第一不要跟风，不要说“看看今年顶会做了啥值得跟一下”，要做自己感兴趣的；第二点提到了国内基础教育对科技论文训练很少，要先学习别人paper的样子，有哪些部分，分别怎么写，科技论文不是堆华丽的语言，是简单的语言讲清楚道理；第三也提到了老板和学生“生成对抗”的模式，先自己找问题。

2· 关于 arXiv

Hua：还是有积极的作用，但是上面的文章未经审核，鱼龙混杂，需要自己判断。比如先看title、abstract，觉得有意思再读下去；需要自己过滤出有用的信息。而且顶会原则上不必在投稿前site到arXiv上。

Ma：arXiv存在的问题是打破了顶会双盲的审稿模式，审稿人搜一下就看得到作者了，变得不公平了。而且带来了额外的审稿工作量，遇到相似的要去查查site的时间判断有没有借鉴等等

Tu：单盲是不公平的，arXiv一定程度上破坏了双盲，但是目前放在arXiv似乎成了共识

3· Deep Learning问题，可解释性、对CV发展的影响、领域结合、Robust AI等

Yang：目前可解释AI还是探索阶段，但是总会有人去做的

Tu：CV和NLP的区别很大，但是二者的结合和融合是趋势

Luo：Vision任务发展是从识别到描述，再到推理，这样发展的。目前也有一些领域在图像基础上加入了domain knowledge。计算机视觉的初心就是理解图像的语义，最终也必须进化到这一步。肯定会从调参提高识别准确度这类问题上升到更高的层面，未来一定有performance garantee，一定会到higher level。

Ma：现阶段深度学习确实存在当做黑盒用、依赖数据的问题。很多场景对精度要求高，所以也要求了鲁棒性。不是所有应用场景都需要，但一定有一些场景需要这样的鲁棒性来保证，决定了这个问题能不能用视觉系统解决。

4· 对顶会和CV未来发展的看法

Luo：首先线上线下会议的问题，疫情影响很多会议转到线上，比起线下缺少了反馈和及时的交流。

Hua：未来可能是线上线下的Hybrid conference。顶会投稿和发表过去十年接近指数级增长。CV未来要做的是 Go beyond humankind ability。计算机视觉发展到现在，期待Core的扩展带来规模的增长。

Yang：目前会议趋势是资深研究者主攻workshop，学生投conference

Tu：希望继续发展（hhh）

Ma：vision一开始是个小众方向，会议小，话题新，有挑战性；现在也逐渐变成了大会议，期待开辟出新的方向，回到小规模。人多带来了从众效应，研究者变成了“网红” （是有这个趋势）

总结

小结一下，各位CV领域深耕了数十年的老师们都建议研究者不要从众、跟风、或者拼算力刷指标，找到自己感兴趣的东西研究；不断磨练写作功力，从看别人怎么写，到跟导师或者身边的人找文章问题，先说服自己，再去说服审稿人；提到了arXiv打破了双盲审稿的模式，带来了不公平，但有逐渐成为业内共识，暂时还不知道有什么好办法；对于DL也提到了落地需要鲁棒性、需要精度、需要performance garantee，相信CV会进化到真正的理解与推理的层面，会与其他方向（NLP等）结合、融合；也期待CV能找到新的突破点和方向。

作为普通研究者，能够学到一些论文写作和训练的技巧，听大佬们畅谈发展趋势，表示很开心。
感谢老师们的分享和微软的组织。

以上就是个人凭借直播时的笔记和记忆小结的圆桌讨论内容，希望对大家有帮助。