作者 | 蔣寶尚

編輯 | 叢 末

視覺研究日益火爆，頂會論文是指明燈。那么作為頂會主席的研究員如何看待此領域的發(fā)展？5月14日上午，微軟亞洲研究院創(chuàng)研論壇 CVPR 2020 論文分享會中的圓桌討論環(huán)節(jié)邀請了五位擔任過視覺領域頂會主席的嘉賓。

五位嘉賓

他們就論文如何選題、如何看待arXiv、線上會議能否取代線下參會發(fā)表了看法。其中加州大學伯克利分校教授馬毅談到：目前頂會領域規(guī)模太過龐大，視覺研究是時候重新定義自己了，定義方向重新回到初衷，做高質(zhì)量，有突破的研究。除此之外，美國羅徹斯特大學教授羅杰波、Wormpex Al Research副總裁兼首席科學家華剛、加州大學圣地亞哥分校教授屠卓文、加州大學美熹德分校教授楊明玄也發(fā)表了看法。 1

論文選題不要湊熱鬧

大佬們談笑風生       

 深度學習是計算機視覺的研究技術之一，深度學習在各領域大火的時候，也影響到了計算機視覺，做學者的要有自己的原則，羅杰波表示：不刷榜單，不湊熱鬧，明白學者在算力方面是比不過企業(yè)的，在選題的時候要找自己感興趣的話題，找自己認為獨特的點去做，不是說別人做什么你就做什么，寫作時要明白寫的東西是給別人看的，不是給你的導師，不是給學術帶頭人看的，要讓評審看得出妙處。

楊明玄說道：同意做有感興趣的事情，但是要量力而為，世界那么大，事情那么多，不要非做極度有挑戰(zhàn)的事情。另外，越刁鉆的老板（導師）越能提高你論文通過率，畢竟他們看的論文多、經(jīng)驗多。寫作技能要慢慢提高，多看paper，將它們的框架寫下來，可以把自己代入評審角色，看看自己的論文和別人有什么不一樣，你自己會不會選你。經(jīng)驗都是積攢出來的，就像一眼就能夠看出問題的老醫(yī)師。

馬毅補充到：寫文章，做研究有兩個階段，先學習做學問的技巧，把一個事情講清楚，把控住語言，最早的幾篇文章是在訓練自己的技巧，而不是做的研究有多么了不起。過了這個坎之后，可以隨心所欲做自己想要做的研究，重點在于做研究而不是寫文章。另外，不要把評審看的太重，一些重量級學者，例如Yann LeCun的論文也有被“砍掉”的經(jīng)歷，所以更重要的是你的問題有沒有價值，第二你有沒有把問題寫清楚。

寫作技巧有兩個建議：第一找你欣賞人的文章去follow，學習怎么開頭、怎么結尾、這么承前啟后。第二點，把自己帶入評審的角色，做自己最嚴厲的評審，把自己訓練成最難說服自己的人，不要自我滿足，不停的反駁自己一下。

華剛總結到：1、論文選題，切莫跟風，要做有興趣，這樣才能放入精力；2、訓練自己的技巧，讀一些paper，知道好paper長什么樣子，語言不一定華麗，讓一般的人讀懂；3、明確和導師的關系：判斷你的論文是否能接受，能增加你論文接受的幾率。屠卓文最后補充到：寫文章的原則是：幫人幫己，幫助自己考慮問題，但更重要的是別人怎么看你的文章，能不能幫助別人理解你的工作。并不是每一項工作都能達到很高的境界，在這過程更重要的是對得起自己的努力。 

如何看待arXiv的文章？

arXiv 是一個收集物理學、數(shù)學、計算機科學與生物學論文預印本的網(wǎng)站，上面的文章未經(jīng)同行評審，作者對文章多半保持嚴謹態(tài)度。但是也可以防止自己的想法在論文被收錄前被別人剽竊（將預稿上傳到arXiv 作為預收錄）因此這就是個可以證明論文原創(chuàng)性（上傳時間戳）的文檔收錄網(wǎng)站。那么，頂會應該如何看待arXiv ？

華剛表示：arXiv 總體上有著非常積極的一面，因為它能夠讓工作更快分享。但是問題在于：上面有大量的文章，實際上并沒有經(jīng)過同行審議，所以魚龍混雜。所以在看文章的時候需要自己有判決力，對個人來說一些論文只會看看標題，看看摘要再決定是否讀下去。

頂會如何看待arXiv這個問題，CVPR和ICCV都有自己的政策，投稿之前弄清楚規(guī)則就好。馬毅表示：arXiv這個領域本身是物理和數(shù)學，它所對應的評審模式不是雙盲。既然允許論文post在arXiv上面，那么頂會評審就不應該是雙盲，因為這會造成許多混亂。

另外，它確實對領頂會審核帶來很多工作，因為作為領域主席和程序主席往往會在“這篇文章是誰的idea”糾結。所以現(xiàn)在頂會的投稿政策還并不適應現(xiàn)在這種情況。頂會應該及時改變，不能裝作看不到，可以向期刊一樣的單盲評審。

楊明玄表示：arXiv的問題已經(jīng)講過很多次，但沒有人能夠去解決，目前是無解的狀態(tài)，除非有頂級大佬站出來說‘我們現(xiàn)在改變主意了，我們以前講錯了，我們堅持的不是這樣，大家重新來過呀’。單盲評審確實有點不公平，2002年NIPS 從單盲變成雙盲的時候，有些學校的論文錄取瞬間下降。

所以要求雙盲卻arXiv是偽君子的做法。

深度學習是否結合傳統(tǒng)基于符號的方法？

在討論完論文如何寫、如何選題、如何看待arXiv之后，圓桌論壇也向如何克服深度學習依賴數(shù)據(jù)的問題發(fā)起了討論。能否將傳統(tǒng)基于符號的方法與深度學習結合起來從而增強魯棒性？能否將這種融合的發(fā)展路線帶入計算機視覺領域？楊明玄提到，現(xiàn)在的深度學習方法或許沒有很強的魯棒性，實驗也不好做，但是總要有人做。

屠卓文表示：現(xiàn)在計算機視覺更多的是考慮CNN算法，當然RNN、Attention這些都在進來，但是這一套系列中視覺和語言還是不太一樣。計算機視覺改變一兩個pixel，不會改變太大的結果，但是在語言里改變一個字，那就是天壤之別。

所以，計算機視覺和語言在同屬AI框架下，需要從各自的角度去考慮問題。最終的融合還是需要的，但是要明確視覺和語言確實有很多不一樣的地方，如何考慮角度非常重要，現(xiàn)在這條路還在探索階段。

羅杰波表示：視覺分為：識別、描述、推理?，F(xiàn)在CNN解決了很多大部分識別問題，計算機視覺進化到了描述問題，下一步會進化到推理問題?，F(xiàn)在已經(jīng)有人將知識圖譜和常識這些東西加入模型，從而嘗試解決視覺系統(tǒng)或者AI系統(tǒng)到底是什么樣子。

也即從知識層面入手解決問題。從計算機視覺的定義：從視覺信號里提取描述沒提到只是做識別。計算機視覺的初心是進化到語義，這就需要將語言和視覺知識融合起來，這是不可避免的，也是計算機視覺必須進化的方向。

馬毅表示，魯棒性問題和現(xiàn)在深度模型擬合數(shù)據(jù)，做黑盒系統(tǒng)以及依賴數(shù)據(jù)標簽有關。深度學習系統(tǒng)并不關心數(shù)據(jù)內(nèi)在的描述表達，其模式只是input-output。數(shù)據(jù)導向的方法可能會解決一些問題，但仍然有缺陷。例如，深度學習雖然在識別領域有些進展，但是現(xiàn)在3D領域是最大的軟肋，因為它對魯棒、精度要求非常高。但是為什么需要真正的魯棒性？馬毅提到因為一些場景必須要求魯棒，例如軍事、醫(yī)療、無人機都是關乎人命的。 

計算機視覺頂會規(guī)模發(fā)展有何看法？

計算機視覺領域?qū)砣绾伟l(fā)展，對計算機視覺會議規(guī)模的發(fā)展有何看法？

線上、線下參會有何優(yōu)缺點？羅杰波表示，線上會議好處非常多，但是有個致命的缺點是：沒有圍觀效應。Zoom此類的會議都是講座性質(zhì)的，在交流方面還差一些，缺少那種大家對‘海報’評論的氛圍。所以他認為線上會議在短時間還不會取代線下會議。

華剛博士對羅教授的觀點表示同意，他也對頂會會議規(guī)模發(fā)表了看法：其實每個研究都有一個核心，大家都圍繞這個核心開展自己的工作，當大量的研究者擠進來的時候，必將會擴展新的方向。楊明玄教授也表示規(guī)模大、人數(shù)多非常好，但是conference和workshop方式還是不同，資深的人士都會去workshop，而會議吸引的更多是學生。

馬毅教授表示他非常懷念他當學生的那段日子，那時候的視覺會議有兩個特點，一個是小，即只有兩三百人，另一個特點是主題非常新，能帶給人非常多的啟發(fā)，給年輕人非常多挑戰(zhàn)。

馬毅教授還談到，對比現(xiàn)在視覺會議的情況，計算機視覺可能要重新定義自己了，領域發(fā)展壯大是好事情，但是從研究主題和研究社區(qū)可能要重新思考了，看看能否找到更激動人心的事情。

人數(shù)一多，從眾心理就非常嚴重?，F(xiàn)在一些研究者的角色更像網(wǎng)紅，并不是在尋找真正的追求，但是尋找真正的突破才是做研究的初衷。

所以，不忘初心，正當時。

（雷鋒網(wǎng)、雷鋒網(wǎng)、雷鋒網(wǎng)）

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。