计算机视觉顶尖期刊和会议的段子 |
您所在的位置:网站首页 › 计算机视觉 会议 › 计算机视觉顶尖期刊和会议的段子 |
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: 1.我提出了一个新的任务,尽管可能没什么实际意义。 2.经过精心挑选,我们的结果看上去不错! 3. 我们提出的方法在我们生成的非公开数据集上很有效! ICML: 1.我们证明了五年以前大家都知道的东西! 2.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 1.我们的审稿人看不懂我们做了什么,反正通过了。 2.我们将已有方法运用到了新数据集,发现它超过了SOTA 1%! 3.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 1.我们引用了30篇非常相关的论文,没错都是我们的论文。 2.我们研究了人与机器人的交互,但是可能没有人能用得到。 3.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。 4. 我们也做了SLAM,但是比其他论文好2%。 5. 我们的sensor很创新,但是你们可能买不起。 6.我们又一次在模拟器中取得了完美的效果! EMNLP: 1.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。 2. 你只需要这个简单的trick即可。 3. 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。 4.预训练加bert真的很有效。 5.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!
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |