作者：匿名用户

观察近期CV论文产生的吐槽：

1，主流任务卷不动，开始往偏门任务钻，没有也得硬造一个出来。

2，打开论文，各种“may”"could"映入眼帘。经验学科坐实~

3，故事讲得动听但仔细推敲会察觉逻辑性不足，比如之前比较流行的故事模板“受人类视觉系统(or脑科学)中的XXX机制启发..."

4，只要刷点成功，就能证明方法有效，如果不服气，那就多刷几组呗。实验学科坐实~让其他专业的童鞋看cv顶会论文还以为在看实验大报告呢

5，一个贡献点能拆成三个讲。举个典型的例子，文章提出一个module A，如何拆成三个贡献呢？一，提出了A;二，以A为基础搭建了新的网络B；三，通过大量的实验证明了B（A）的有效性

6，篇幅不够怎么办？可视化来凑

7，硬堆公式。本来一些没有深度的东西看看文字或者图一目了然，但看公式的话会更加迷惑。与此类似的操作还有硬塞图表，举个极端的例子，同一个数据，用表给出后又用图画一遍。这些操作估计就是为了充实文章和增加逼格

8，基本概念分不清楚，比如MACs和Flops混用。此外，对于那些包含一堆花里胡哨算子的网络，你确定Flops统计得对吗

9，只挑弱的的方法比。某个方法经常被拿来比较，可能是因为该方法经典，也可能是因为该方法弱 （比如搞backbone的经常争对某cvpr best paper和某iccv best paper）。只要我不跟更好的方法比，我就是SOTA~ 有时候会感觉，虽然一年有好几篇号称SOTA的文章问世，但各个数据集的指标其实涨的没那么多。

10，cherry pick。这种现象主要归功于许多任务验证集和测试集不区分的“顽疾”。现在应该没多少人会设置多个随机种子然后取平均了。

11，各种排列组合。比如构造一个三维的表格，第一维表示任务，第二维表示网络，第三维表示算法/技巧。只要某一维增加了一个单位，立马就有人前仆后继地把表格填满。经典的例子，Transformer一出，CNN的范例就被一一搬过去了，包括pyramid/2D->1D/deformable/FFT/dynamic/shift/dilation/group等等。

12，有的模型不仅指标不行，而且设计复杂，一看就是会迅速被时代淘汰的东西，但唯一好的地方就是做的早抢了个好名字。

13，伪开源。现在会议鼓励/要求开源代码，但有的论文只公开不痛不痒的东西，而把关键的东西藏着掖着。比如有的只公开网络结构代码，或者再加个预训练模型，但真正有价值的训练代码没有放出，很多人复现不出来，提的issue石沉大海，这种现象太多拉。

-------------------------------------------------------

这个有点戾气的回答突然有了热度，幸好匿名了囧

文章转载自知乎，著作权归属原作者，侵删。

关键词： CVPR2022 有什么值得关注的论文 cvpr flops