2019年CVPR有哪些糟糕的论文?
包括但不限于论文本身的写作,创新点，提供的源码，希望各位的真知灼见能给后来者启发。
其实都是由于Dead lock。
/*会议恶性循环*/
投稿量爆炸—&>Reviewer不够—&>审稿人水平参差不齐 —&> 录取Paper水平参差不齐—&>读者看到水paper感觉这也能中—&>模仿水paper生产科研—&>投稿量爆炸
/*领域恶性循环*/
做实验性能非常好—&>强行尬解释—&>其实都是猜想，真正work的可能是trick—&>产生糟糕的玄学paper—&>读者糟糕的阅读体验—&>读者模仿科研—&>读者做实验使得性能非常好—&>......
这么多吐槽的，我就不说谁的论文不好了，我想说说我认为什么样的工作好。其实今天AI科研界和网红界差不多，被大多数人认为所谓好的AI工作者和网红一样，都长得差不多，不都是写著模式差不多的论文，灌了差不多的多少顶会么。后面还有一堆新毕业的博士，在努力争取长成网红脸。在这个领域，你要长的不是网红脸，你只能被当作异类处理。
这年月大家都在拿论文数量，引用，影响因子说事，特别是国内的老师学生，太看重这些了。我个人觉得这完全背离了科研工作的本意。这和武术变得主要要比谁一个跟头落地能纹丝不动，花样滑冰要比谁四周跳跳的多一样，忘记了武术的本质是要充分利用人体结构来合理发力，花样滑冰的核心是追求音乐动作合一的表现力一样，都走上了歧途。
这个世界做科研的，工作模式大致两类，一个是到处挖坑的，一个是一辈子挖一个坑的。这两种工作模式都可以，问题是挖坑一定要挖好东西，不能总挖垃圾。
我可以举一例我看到的挖坑挖的好的人， S. Lloyd，此人是量子信息领域的到处挖坑的大牛，每个方向只挖一铲子，挖完就走。他的主要贡献： （1）证明了Feynman关于用量子计算模拟量子系统的一个想法，（2）最早做量子计算硬体的，（3）提出了从量子计算构建时空结构的一种方法，（4）提出了一个时间旅行的模型并用于分析黑洞信息问题，（5）提出了Shor, Grove之后的第三个实用化量子演算法，主要用于量子机器学习，（6）提出量子雷达的概念，（7）考察了计算和物理规律的关系。这些只是我看到的他的一部分工作，这已经证明此人的牛叉之处了。问题是，他在每个方向都基本只写一篇论文，最多也不会超过3篇，然后有点老子留下五千言后言尽于此的气概，转身而去，重新挖坑，留下一堆身后的人在他挖过的地方继续挖，但是都很少能挖到他的高度。最近有一段时间没看到他的消息了，不知道这位又在憋著挖什么呢。
所以他的论文并不多，也就平均一年一篇吧（真正他写的，挂名的不算，不过我也没看到他有多少挂名的论文，有他名字的论文都是明显能看到他的思想贡献的），但是每一篇都是一个新思想新方向。我觉得这才是好的工作应该有的样子。按照这个标准，大家可以对比一下，哪些工作可以叫垃圾。
另外，如果听报告的时候，介绍里说此人写了几百篇论文，我建议大家转身就走，因为大概率的，此人大概不会有什么深刻的思想传达给你。
真心的建议大家进入科研领域后都仔细想想，是要一辈子做垃圾研究发一堆垃圾论文呢，还是沉下心来找好问题做好问题。对于一个科研人员来说，一辈子有一篇真正重要的论文就足够了，甚至有可能在他死之前，论文的重要性都没有被发现，这就是科研这份工作的规律。追求短期反馈绝对是违背科研规律的，对于个人评判工作好坏，是误导，对于国家评判科研，是恶政。
杨振宁先生说，和小说一样，科研和论文也有风格。一个领域应该有不同风格的工作和论文，风格多样性是一个领域活力的体现。Schwinger的繁琐严谨是一种风格，Feynman的灵动纯粹也是一种风格，Dirac的透彻深邃还是一种风格，Einstein的宏大鸟瞰又是一类风格，这个世界的科研绝不只有一种风格一个模式，他们都是好工作。我个人的感觉，AI这个领域的论文风格过於单一了，除了一些偏理论的工作外，绝大多数与应用有关的工作风格严重雷同，思想严重雷同，这种论文真是读起来面目可憎味同嚼蜡。我觉得这绝对不是好事情，这说明这个领域的思想过於单一。特别是小孩子们，一进入这个领域就被这个领域已有的固定思维带著跑了，他们没有时间去左顾右盼，去想想是否有其他可能性，他们只有沿著前人的路飞速的跑，否则他们就不能在这条路上跑得过别人，但我真的觉得，这个情况对于无论个人还是领域，都不是好事。
最后一点，AI作为新兴领域，出现一个我认为是很不好的现象，就是大量本科生进入领域发表论文并且成为风气。从我的角度看，本科生的工作做到我的标准之下所谓好的工作的，是非常非常罕见的（如果不是一个都没有），我觉得时间这件事真的是不能随便超越，人的认知水平一定和时间有关，本科生进入ＡＩ只是作为科研训练，真的不能指望有什么好工作出现，一个本科生做了半年一年就出好工作？对不起，我不信。我真心不希望ＡＩ这个领域闹到和材料生化一样成为灌水园地。
让我们大家都保留一点科研工作的初心，争取去做好的工作，学会辨别和欣赏好的工作，特别是年轻人，要培养好的科研品味，不要一上手就把味蕾弄坏了。我在知乎看到太多博士生朋友的味蕾已经完全坏了，根本不知道好的思想为何物，很不幸。
思想才是科研的核心，一个真正闪光的思想比一堆代码和数据实验都有价值，代码和实验是为思想服务的，绝不能替代思想。千万别说talk is cheap了，爱因斯坦这辈子都在think and talk， 他的talk实在是他思想的精华。
卞子守函谷，终南紫气多，借言屈子问，天机且如何。
算力方暴虎，AI正冯河，挂书青牛角，天工莫可夺。
与君歌一曲，请君听我明日歌。明日待回头，今日喧嚣一梦柯。
吃瓜群众昨天看这个问题吃瓜吃了一晚上，忍不住来回答一下；
目前所有回答里争议最大(讨论最激烈)的文章是 https://arxiv.org/abs/1811.00250 这篇利用GM进行网路剪枝的文章。
最早的一个匿名回答里提到了很多疑问，然后文章作者也大方地站出来回答了。
但是另一个问题出现了，有人随后指出文章中的公式(6)到公式(10)有明显错误，应该撤稿。特别是公式(10):
这个错误多明显就不用多说了。该回答也得到了很多领域内著名学者大佬的点赞，甚至导致了作者本来颇受好评的「知乎rebuttal」评论区也（对，吃瓜群众评论区也看）沦陷了。
本著理性吃瓜的心（其实也有一点点怀疑CVPR的reviewer真的会放过这种低级错误），我认真地读了文章（也看了作者更新在github上的版本），先简单说一下结论，然后再跟大家仔细捋。
结论:
- 作者数学公式和一些数学符号非常不熟练，
的问题大家已经指出来了（作者在更正版里修改了，没有错误了，但是改完的还是很不优雅）；
2. 公式(9-10)错的很离谱，但是其实完全是应该删掉的，公式(10)试图证明一个十分明显，无需证明的结论，但是作者给整劈叉了。公式(9)和公式(10)首先不符合公式(8)定义（虽然(8)写的也乱七八糟，但是我们可以从上下文猜出(8)是要干嘛，并且(8)是完全合理的），然后进一步暴露了写作者数学和公式不熟练的问题，也可能是文章的Section 3.4 写完后其他co-author没有好好改，或者乱改了一通；
3. 公式的问题很严重，但是文章的其他部分还是很不错的(至少我觉得)，至少不低于CVPR2019平均水平，不必被大家喷成现在这样。感觉reviewer应该也提出来了公式太乱的问题，但是作者camera-ready没好好改，然后因为明显的错误被喷了（但是公式的问题我就不能忍，又气又想笑，这也提醒我们：camera-ready改不好，知乎rebuttal两行泪）；
然后跟大家稍微捋捋这篇文章与公式10相关的部分，首先是 的定义：
原文公式(3)。我们公式标号与原文保持一致，公式表示上的差异也尽量在「引用块」里说清楚
简单解释一下， 表示第
个卷积层的第
个卷积核，
表示
到这些卷积核的欧几里得距离之和。
作者文中假设，位于geometric median (即 )附近的点因为可以被其他点代替，所以并不重要，可以被剪枝剪掉。
但是问题在于geometric median并不一定在第 个卷积层的这些卷积核中（这是非常可能的），因此退而求其次地，作者希望在第
层的这
个卷积核中找到对应的
最小的那一个，并认为这是这些卷积核中最接近geometric median的卷积核，并把它作为剪除对象。
也就是说，作者定义的剪枝对象是下面这个：
这个公式是从作者的修改版本里摘出来的公式(4)，作者原文中的公式(6)是这个意思，但是因为
用错已经被大家鞭尸了，如果仔细结合上下文的话，应该能猜出来原文公式(6)是这个意思；
现在有趣的地方来了，因为要在 中找令
最小的。假设
是满足
最小的一项，作者发现在计算过程中
，当
的时候对应的项竟然是0，所以作者定义了
:
这个公式同样从修改版本里摘里摘出来的公式(6)，对应原文公式(8)，虽然这么改了还是看著不优雅。但是跟原文错误的公式(9)以及顺带错了的公式(10)相比，这个可以接受。
作者原文实际的意思是：你们用 和
求最小的
结果是一样的，因为
求和的时候
的时候对应的那一项是0，是不用管的！
这个事其实不用过分说明，因为太明显了（实际在代码实现上我们甚至偏爱使用 ，因为简单）。但是作者弄巧成拙地根据公式(8)写下了公式(9)：
这里的 是
（当然也是公式(8)里定义的正确的
）在条件下的最小值。作者的意思是：
的最优值和
都是
，那么我减去一个
不影响最优值和优化过程鸭。（内心：本来还想给您平反，看到这里真觉得这数学白学了）
然后公式(10）本想证明 和
最优值一样，但是基于完全错误的公式(9)，公式(10)就成了被大家嘲笑的摸样。
但是其实公式(9)和公式(10)完全不用写，不知道是不是因为reviewer说，你这文章没啥公式哇，然后作者就不小心写下了这错误的证明。
// 不想写了，吃瓜群众的热情被一团乱麻的公式耗没了，，有人觉得哪不清楚，我回头再改吧。
作为一个理性吃瓜群众（和学术小白），写这么多，当然不是为了吐槽谁。按照周志华老师等诸多大佬「发现闪光点」的标准，这篇文章是显然值得接收的，但是另一方面文章中的公式组织却一团糟，瑜不掩瑕，被大家拿来调侃。这件事展开讲有趣的地方可多了，但是地方太小了我写不下（逃）；只希望大家理性吃瓜，合理吐槽，肯定亮点，拒绝戾气。我们真正讨厌的是那些明知灌水还灌地贼开心的人。
都是要吃饭的嘛，可能文不对题。。。超分就是每年在这么刷榜，灌水
讲一下图像复原领域，超分，去噪，去模糊
上图引用自：A Deep Journey into Super-resolution: A Survey
https://arxiv.org/pdf/1904.07523.pdf?arxiv.org我来主题无关了。
我15年读的研一，当时顶会论文也是出一波看一波，我感觉现在几年论文明显更会包装了，即使很简单的东西，也要精心的扯上一些东西，至少看起来很华丽。我刚刚入门的时候，主要做检索，当时深度学习检索还刚刚兴起，一堆论文放到现在，估计要被骂到猴年马月了。
1.当时俄罗斯yandex 出了文章，就是标注了一个数据集，然后train一下，抽特征直接检索，引用贼多，喜提顶会一篇。
2.好像是某大组的一篇文章，啥也没干，就是在最后一层抽特征之前加了一个物体基本上都是靠近中心的，所以中心的特征更加重要，这种先验知识，然后抽了一波特征，喜提ICCV一篇。
3.还有一大堆文章 pairwise loss triplet loss直接拿来用，放上去我就不说了。各种 顶会，还包括siggarph，拿到手软。
4.还有一次看到一篇检索的文章，就是把1里面的数据集拿过来，直接标注了一下bbox，然后抽特征，又是triplet loss，又是一篇ICCV+ IJCV。操作不要太骚。
注：前面说的文章作者都是老外。
我还记得当时看这些文章的时候，痛心疾首，我咋不早生几年？？
PS：纯吐槽，不针对谁...
推荐阅读：
