發現樓上的段子不全,我來補一補。
CVPR/ICCV/ECCV常見論文:
- 我們在imagenet上提升了0.1%!
- 研究生梯度下降(graduate student descent)是最重要的技術!
- 我們很快將釋放程式碼,也可能用很長時間。
- 我們是第一個把transformer用到這個任務的!
- 我們采用了更多的計算資源,發現很老的一個基線方法是最好的!
Neurips:
1.我提出了一個新的任務,盡管可能沒什麽實際意義。
2.經過精心挑選,我們的結果看上去不錯!
3. 我們提出的方法在我們生成的非公開數據集上很有效!
ICML:
1.我們證明了五年以前大家都知道的東西!
2.我們有很復雜的連自己也看不太懂的公式。
ICLR:
- 雖然我們是一個比較新的會議,但是我們仍然在鄙視鏈頂層。
- Open review不代表我們論文品質高,可能只是我們臉皮厚。
AAAI
1.我們的審稿人看不懂我們做了什麽,反正透過了。
2.我們將已有方法運用到了新數據集,發現它超過了SOTA 1%!
3.我們發現把已有模組插入到當前的任務,可以漲點!
IJCAI
- 我們的中獎率只有不到15%,真的不是水會,CCF別踢我。
- 不是我們實驗不夠,六頁真的啥都放不下。
- 沒錯,我們的論文如果能投三大會我就投三大會了,投IJCAI實在沒辦法,日子總還是要過的嘛。
發現有很多人看,所以再擴充套件到一些非CV類會議。
SIGGRAPH
- 只要錄取率足夠低,圈內都是自己人,把圈外人門關上,焊的死死的。
- SIGGRAPH可不是像水會,我們CG就這一個頂會,品質杠杠的。別看了,說的就是你們,視覺三大會一個比一個水。
- Incremental的方法都不能發表,至於你要問我什麽是incremental,demo視訊PS地不好,就是incremental,外人我不告訴他。
ICRA/IROS
1.我們參照了30篇非常相關的論文,沒錯都是我們的論文。
2.我們研究了人與機器人的互動,但是可能沒有人能用得到。
3.我們將機器學習套用到了已經解決的問題當中,發現它可以達到相似的效果。
4. 我們也做了SLAM,但是比其他論文好2%。
5. 我們的sensor很創新,但是你們可能買不起。
6.我們又一次在模擬器中取得了完美的效果!
EMNLP:
1.我們在某個特定的任務上取得了提升,但是可能在你的數據上不work。
2. 你只需要這個簡單的trick即可。
3. 我們的神經網路模擬了人腦思考的過程,可能對你的任務有一丟丟幫助。
4.預訓練加bert真的很有效。
5.我們在大規模數據集上驗證了結果,但是你想要復現,可能還需要一些運氣。
下面是部份出處,點贊後存哈!
我是研究生話題top1答主,@電光幻影煉金術 歡迎關註!
感謝點贊!
本文已被smarter先發,CVer轉載!
順便帶些貨吧,我最近發現的特別好用的。