d******e
发帖数: 7844 | 1 如果这个人存在，那这个人肯定不是这T Xiong，T Xiong是我原来实验室的，根本就不
是做Vision的。他是PhD毕业去Ebay了。而且他也没有那么多publication。 |
|
m****s
发帖数: 402 | 2 嗯，确实如此，这种top会议review完了都有一个area chair来check的过程，估计基本就是area chair对着各个关系户选论文。
今年亚洲/大陆区的主席是谁呢？ |
|
w***g
发帖数: 5958 | 3 这些都很牛了。就是保证我写了一定中我也写不出这么多文章来，哈哈。
Drawings |
|
C*********e
发帖数: 587 | 4 你说的这些正好支持我的观点。。。。网络里面会议很多，好会也会很多，和INFOCOM
一样，或者比他强的，你不也说了好几个吗，而且肯定还不全面
我不做这边，具体到哪些会议也只是听人说起，但是INFOCOM的质量下滑，很多年前就
听说了（05年）
如果一个领域好会加顶级会议，至少10个以上，侧重点也不一致，比较混乱，而且随着
年份推移，声誉上上下下，然后不停的推出新的会议，这个不是好现象。。。
与之相对比，比如CV这边，3个会议基本类型完全一致，虽然各自特点有一点，但是可
以看成从声誉档次风格水平都差不多 |
|
|
|
C*********e
发帖数: 587 | 7 哦，那从你找的链接来看，应该不是tao xiong，他应该09年都30多岁了。。。
对，这个帖子的可信程度确是不高，25岁09年，那就是说23年07年，一个07年23岁，在
UMN只读了1，2年MS的人，6篇顶级会议，nudu说名字吧
site
？？ |
|
C*********e
发帖数: 587 | 8 我觉得这个人有可能是挖坑的。。。
我搜索id kvnzhou1，还找到如下在taisha的链接，09年8月3号和这个id在
gter发帖同一天。。。。
http://e.taisha.org/thread-1303455-1-1.html
这个是选校求助《选校求助 CS@Upenn CS@Duke CS@JHU》
很难相信，一个6篇顶级会议的还会考虑CS@JHU,UPenn居然只给TA，而且在8月3号来问
，fall 2010有这么早给offer的吗，如果是09年fall，这个时候早应该定了
而且，同时又发一个选校贴。。。。
site
？？ |
|
e***g
发帖数: 1696 | 9 太逗了, 竟然挖到老大, 我要通知老大人肉你, 至少让你当不成神医 |
|
|
I*I
发帖数: 618 | 11 另外一个2，3，4呢？有希望吗？
本人不太是圈子里的人，不是前贴讨论的那种有area chair罩着的。
多谢 |
|
|
w******c
发帖数: 574 | 13 还是那句话，看其他paper的分数
我见过245被据的，也见过224被收的 |
|
I*I
发帖数: 618 | 14 2 means weakly accept and 4 means weakly reject, right? |
|
w******c
发帖数: 574 | 15 no, the other way around |
|
b***a
发帖数: 6422 | 16 和其它分数没关，因为你这个分数本身就很扯。另外你很扯的分数也可能被很扯地拒掉
和很扯地接收。
严格的说任何所谓的顶级会议都是JOKE，自己圈子自己玩，自己CITE自己，自己吹，很
好很强大！ |
|
|
w******c
发帖数: 574 | 18 i don't know how you get your conclusion. maybe u've been a session chair
and seen such cases.
top conf in cs is really random and connection and politics play a big part,
we all know that. but to say all top confs are jokes is a bit stretch.
as to the examples i mentioned, the 245 one (rejected) came from a very
strong group and the 224 one (accepted) came from a so-so group, fyi. |
|
L*****k
发帖数: 327 | 19 2,2,4的话，是2个positive，希望挺大，如果那个4不是特别强，或者说track里面竞争
不是太激烈
2，3，4的话，1个positive和一个borderline，就要看borderline是站在哪边了，也要
看track的情况。好好的rebuttal来争取。 |
|
b***a
发帖数: 6422 | 20 哼哼，这样的结局不正好证明了这些所谓TOP CONF.在瞎搞吗？我觉得大家去投都是觉得
做的不错的，只要不是看似很差的就应该大部分被接收。我反倒觉得IEEE SPS的一些主
要会议很不错，不会乱据人，给大家都有表达成果的机会。
至于做的到底好不好，5到10年以后再看。
part, |
|
I*I
发帖数: 618 | 21 this makes sense, thank you. |
|
r*****l
发帖数: 110 | 22 co-ask
how about 1,3,3 and 2,2,3? Plus reviews seem to be not very professional. |
|
j*****n
发帖数: 1545 | 23 FT.. Kinect 不是vision那是毛啊
做vision我觉最强的就是Microsoft了, Redmond 一帮人和 Cambridge 一帮人相当猛.
很多学校看着牛，发一堆CVPR，其实都是垃圾.
声息 |
|
m**********n
发帖数: 285 | 24 stereo，geometry仅是vision的一部分。pattern recognition and machine leaning是Kinect软件的核心部分。建议看看这篇下面的论文摘要。这个论文非常有可能是介绍Kinect怎样work。Machine learning还是能work的。关键是learn什么，怎么learn。
Jamie Shotton, Andrew Fitzgibbon, Mat Cook, and Andrew Blake, Real-Time Human Pose Recognition in Parts from a Single Depth Image, in CVPR (to appear), IEEE, 2011
We propose a new method to quickly and accurately predict 3D positions of body joints from a single depth image, using no temporal information. We take an object recogniti... 阅读全帖 |
|
D***r
发帖数: 7511 | 25 还有什么texture synthesis, impainting之类的吧
呵呵，我以前的课程project就是做的synthesis
leaning是Kinect软件的核心部分。建议看看这篇下面的论文摘要。这个论文非常有可
能是介绍Kinect怎样work。Machine learning还是能work的。关键是learn什么，怎么
learn。
Human Pose Recognition in Parts from a Single Depth Image, in CVPR (to
appear), IEEE, 2011
body joints from a single depth image, using no temporal information. We
take an object recognition approach, designing an intermediate body parts
representation that maps the
investigates the effect of several training parameters. ... 阅读全帖 |
|
a***y
发帖数: 852 | 26 strong re~
leaning是Kinect软件的核心部分。建议看看这篇下面的论文摘要。这个论文非常有可
能是介绍Kinect怎样work。Machine learning还是能work的。关键是learn什么，怎么
learn。
Human Pose Recognition in Parts from a Single Depth Image, in CVPR (to
appear), IEEE, 2011
body joints from a single depth image, using no temporal information. We
take an object recognition approach, designing an intermediate body parts
representation that maps the
investigates the effect of several training parameters. We achieve state of
the art accuracy in our comparison wi... 阅读全帖 |
|
a***y
发帖数: 852 | 27 意思好像是只使用3d-depth图像？但是Kinect有一个RGB的camera啊
leaning是Kinect软件的核心部分。建议看看这篇下面的论文摘要。这个论文非常有可
能是介绍Kinect怎样work。Machine learning还是能work的。关键是learn什么，怎么
learn。
Human Pose Recognition in Parts from a Single Depth Image, in CVPR (to
appear), IEEE, 2011
body joints from a single depth image, using no temporal information. We
take an object recognition approach, designing an intermediate body parts
representation that maps the
investigates the effect of several training parameters. We achieve state of
the ar... 阅读全帖 |
|
C*********e
发帖数: 587 | 28 我希望对事发帖，不对人，不过你的言辞还是让人觉得你逻辑思维很无语
我最前面re这个帖子的意义是说因为，这个帖子的前面有些人谈vision就说那些ML/PR
的部分，我觉得这是没有理解vision问题的体现，由此我发了那个帖子
然后你re的帖子呢？贴出了一个Kinect的paper的摘要，然后呢，你认为ML在kinect起
了很多作用，但这个我前面的帖子有什么具体关系？
你要注意，
第一，我前面的帖子的是针对ML和CV的关系发的，并不是说kinect
第二，ML和Vision是两个领域，你通过说kinect用了ML说明不了任何kinect和vision的
关系，事实上，你理解问题很混乱（而你确claim你care理解问题）。那篇paper之所以
投CVPR，而不是ICML，是因为paper要解决的是一个典型vision问题，human pose
estimation，而用的depth camera也是vision领域的人所接受的一种input。至于用了
ML，是不会让这篇paper就投去ICML的。
亦或者，你认为这么一个vision问题用了ML，说明ML是vision中很重要的一部分？... 阅读全帖 |
|
C*********e
发帖数: 587 | 29 You are wrong，不是说大IT公司推出了才叫可以用，商业上的实用和推广是很多因素的结合，不光是技术问题本身。我虽然不专做3D，但至少知道3D understanding上，比如3D face recognition就是可行的。
而且，我并没有质疑kinect，也不质疑kinect用了ML的技术，我的观点是这个是属于用ML技术解决CV问题，但不是ML的研究，so？
你对vision的认识也有问题，CV没有一个明确的定义（至少没有任何大牛敢说，你倒是敢自己给定义。。。。），牵涉的范围很广，并且还在继续演化中。understanding只是从偏AI的角度出发的，而很多认识相关的问题，都牵涉到AI的核心问题，不只是CV独有的。另一方面，stereo，multi-view geometry，motion analysis，tracking中的很多问题确和high level的认知没有关系。
至于说Adaboost的人脸检测，这个是人脸检测中的popular技术，so what？做这个的人绝大部分是属于用ML的技术来做CV的问题，这不属于ML的研究，都只是CV的研究，paper也都是IC... 阅读全帖 |
|
R*******V
发帖数: 57 | 30 你对CV的认识还不够，不要轻易说别人Wrong.
另外，我并没有给CV下定义，我说CV的核心问题是understanding的问题，你最好去问
问你身边的
资深研究人员，看看是不是这样。
小年轻，你的悟性需要提高，否则CV会让你很失望的。
记住这句话，希望你2年后回头看看你说的话。
素的结合，
不光是技术问题本身。我虽然不专做3D，但至少知道3D understanding上，比如3D
face
recognition就是可行的。
用ML技术
解决CV问题，但不是ML的研究，so？
是敢自己给
定义。。。。），牵涉的范围很广，并且还在继续演化中。understanding只是从偏AI
的角度出发
的，而很多认识相关的问题，都牵涉到AI的核心问题，不只是CV独有的。另一方面，
stereo，
multi-view geometry，motion analysis，tracking中的很多问题确和high level的认
知没有关系。
人绝大
部分是属于用ML的技术来做CV的问题，这不属于ML的研究，都只是CV的研究，paper也
都是
ICCV/CVPR上，not NIPS/ICML |
|
m****s
发帖数: 402 | 31 做ML到极致的还真都是往理论靠，很多有taste的大师们基本不去CVPR/ICCV等应用类会议了，潜心灌FOCS/COLT/STOC这类理论会议。 |
|
L*****k
发帖数: 327 | 32 靠谱，个人意见，略微修改下
1st tier：NIPS, UAI, AISTATS, ICML
COLT绝对1st tier，不过感觉一半属于learning，一半属于theory (COLT11和FOCM一起
开)
2nd tier: ECML, IJCAI，AAAI，ALT，ICCV&CVPR (ML track), KDD
感觉KDD里面还是有一些不错的ML paper的，就是大多数情况下没有什么理论，虽然可
能work得很好 |
|
b*********7
发帖数: 68 | 33 我之前是做计算机视觉，图像处理方向。
想问一下学术界更看重CVPR,ECCV,ICCV这些顶级会议的文章，还是更看重诸如TPAMI,
TIP等IEEE Trans或者IJCV之类的杂志文章？
工业界呢？
Many thanks! |
|
m****s
发帖数: 402 | 34 HP Labs India has immediate openings for post-docs to work in the area of computer vision, image analysis and pattern recognition. Intern applications will also be considered.
With the increasing availability of better image sensors and proliferation of cameras, the use of cameras in human-computer interaction and passive surveillance have become problems of great interest. We are interested in the problems of gesture recognition, user activity analysis, facial analysis and tracking people using... 阅读全帖 |
|
G**********8
发帖数: 38 | 35 That what confuses me the most. When I read lots of papers from CVPR, they
usually will cite the sources of paper, but do not put the links or any
other information. If you read the papers, you would find the source. Why do
you bother put a link anyway? Besides, you may not have permission to
redistribute the code.
Usually, for the open source program, you've already modified it and adapted to your own needs. For example, you develop some applications based on OpenCV. You would only name the Ope... 阅读全帖 |
|
m****s
发帖数: 402 | 36 1) SIGGRAPH/CVPR/ACMMM/ICCV/ECCV
2) NIPS/ICML/AAAI/IJCAI/COLT
3) PAMI/IJCV/ACMTOG/ACMTMM/ACMTKDD/JMLR
要收齐真不容易。 |
|
k***o
发帖数: 1 | 37 你当是集邮？ What is ACMTMM? KDD不列去列ACMTKDD，何意？
我来列一下吧
CV: CVPR/ICCV/ECCV
CG: SIGGRAPH
ML: NIPS/ICML/UAI/COLT
AI: IJCAI/AAAI
Journal: PAMI/IJCV/TOG/JMLR |
|
m****s
发帖数: 402 | 38 你不能每年都占几个坑啊，CVPR\ICML中了就歇歇吧，总得留点机会给别人。 |
|
s*w
发帖数: 729 | 39 看他的文章覆盖了很多领域，说明他基本上是做 learning 的; 一次发4个 iccv， 半
年发二十篇 top conference （ICCV, CVPR, ICDE, ICML, MICCAI都很牛，就是 ijcai
,aaai 相对没那么牛）, 这个速度和质量不是一般人都做到的。 |
|
r********3
发帖数: 2998 | 40 vision水的原因不是在于数学理论和推导不够深入，而是在于没有实际应用，不值得搞
那么多conference，录取那么多paper。vision这种脱离实际的学科，应该把ICCV,CVPR
,ECCV合并到一起，一年录取个60,70篇paper足够了。
要做learning的，就去投真正的learning的。要做math就去投真正的math的。vision这
个一年缩减到60,70 top conf papers，如果还有人一年4篇，那谁也不会说他水了。
另外，做vision和learning的人真的应该好好学习别人做system的。别人好几个人，花1,2年时间做一个system出来。甚至还在production server上测试几个月，然后才投一篇paper。而vision和learning的很多paper就是做一道数学作业。几十行matlab，download一个数据，run一下就得出结果了。
的 |
|
C*********e
发帖数: 587 | 41 这。。。joke帖。。。
随便一说，human pose（kinect）/face detection（digital camera） / tracking
（surveillance）/etc，这些都是和民用的应用很紧联系的，军用的也很多就不说了
CV还和视觉（非CV）有联系，怎样理解人的视觉能力，这个属于偏science的
偏应用的CV paper一般都要在标准数据库上拼效果，几十行代码？搞笑吧，很多基于C+
+工作一般的几千行代码都不止
ML中是有一些coding量很小，但是背后的理论，不是用代码衡量的
btw，问题在于有些做learning/data mining但也不深入的人混到CV圈子，发了很多水
paper，这些和真正的ML 或者 CV的研究不是一回事，而且搞ML或者搞CV的人其实都很
看不上这些工作。遗憾的是，这些人里面华人学者（或者亚洲的研究机构）有不少。。
。。
CVPR
花1,2年时间做一个system出来。甚至还在production server上测试几个月，然后才投
一篇paper。而vision和learning的很多paper就是做一道数学作业。几十行... 阅读全帖 |
|
r********3
发帖数: 2998 | 42 错，正因为难，才有吹的潜力，不是做的潜力。
Computer Vision这块除了吹之外，现实当中有啥应用？早就应该把几大CVPR,ICCV,
ECCV几个conference合并成一个conference，一年录取个60,70篇paper就足够了。 |
|
r********3
发帖数: 2998 | 43 问题太难，就别搞那么多人和钱砸进去。花点精力去搞搞现实当中其他很多实际的问题
。把CVPR,ICCV,ECCV都合并了，一年录取个60,70篇paper足够了。 |
|
r********3
发帖数: 2998 | 44 哪有什么市场？计算视觉除了扯了几十年还一层不变的人脸识别外，还有什么市场？
其实真正有潜力的市场是医学图像分析。可惜别人有专门的圈子，不鸟这帮做灌CVPR,
ICCV之类的人。 |
|
r********3
发帖数: 2998 | 45 错，正因为难，才有吹的潜力，不是做的潜力。
Computer Vision这块除了吹之外，现实当中有啥应用？早就应该把几大CVPR,ICCV,
ECCV几个conference合并成一个conference，一年录取个60,70篇paper就足够了。 |
|
r********3
发帖数: 2998 | 46 问题太难，就别搞那么多人和钱砸进去。花点精力去搞搞现实当中其他很多实际的问题
。把CVPR,ICCV,ECCV都合并了，一年录取个60,70篇paper足够了。 |
|
r********3
发帖数: 2998 | 47 哪有什么市场？计算视觉除了扯了几十年还一层不变的人脸识别外，还有什么市场？
其实真正有潜力的市场是医学图像分析。可惜别人有专门的圈子，不鸟这帮做灌CVPR,
ICCV之类的人。 |
|
w***g
发帖数: 5958 | 48 你们的看法我都同意。不过这些问题其实整个学术界都有，CV只不过是一个比较典型的
体现而已。要说paper质量，CVPR,ICCV,ECCV还真不能算最烂的。就我仅有的一点点投
稿体会而言，CV的会议review也比较严肃。整个CS界比这几个滥的会议不会下一百个。
要合并也轮不上这三个会议。其实要说影响力，一个killer app的影响力远比一千篇
paper的影响力大。CS的几个会议一直都跟着industry的屁股走，即使几个理论的会议
都不能免俗。要我说，年轻人要有点志气的话，还不如去硅谷闯世界比较靠谱。 |
|
a***y
发帖数: 852 | 49 I'm doing vision. Please tell me how to make a CVPR paper within less than
100 line Matlab. |
|
n****r
发帖数: 471 | 50 你去看看google image search，原来有给你search by image 这个选项么？
什么东西不是一步步发展来的。
医学图像分析都是从CVPR，ICCV， ECCV把idea拿过来， 在特定的scenario里面，加上
很多工程方面的东西，把效果做上去。
你说什么没用，你让做医学图像的人来说说，他们鸟不鸟这三个会？ |
|
