¿La gente de visión por computadora ‘convencional’ ignora los documentos que no están publicados en CVPR / ECCV / ICCV? ¿Estos documentos tienen valor cero para la comunidad?

¿La gente de visión por computadora “convencional” ignora los documentos que no están publicados en CVPR / ECCV / ICCV? – Más probable

Como Zeeshan Zia ha señalado en su respuesta, revisar la mayoría de los documentos de CVPR, ICCV, ECCV y de visión de NIPS está fuera de discusión para la mayoría de los grupos de investigación. Pero eso no significa que a nadie realmente le importe ACCV / BMVC u otros documentos de conferencia de nivel 2.

La razón más importante por la cual los documentos de la conferencia de nivel 2 no están ganando terreno en comparación con el nivel 1 es porque el aprendizaje profundo no ha sido convencional en esas conferencias. Un rápido vistazo a la lista de documentos aceptados de CVPR o ICCV demostrará que casi todos los documentos utilizan algunos u otros conceptos de Deep Learning. Transferencia de estilo, segmentación semántica, reconocimiento de objetos tienen

Sin embargo, también hay varios grupos de investigación que se centran en problemas que realmente no requieren un aprendizaje profundo. En algunos casos, no hay suficientes datos disponibles para que un NN pueda ser entrenado. Las herramientas tradicionales como la detección de características, la clasificación SVM todavía se utilizan en varios trabajos. Muchos de esos documentos no son interesantes para los revisores / participantes de las conferencias de nivel 1, por lo que sus números han disminuido con el tiempo. Las personas que encuentran estos problemas interesantes inevitablemente recurren a BMVC / ACCV o incluso a ICIP / ICME, donde tales documentos son aceptados ya que el sesgo hacia el aprendizaje profundo no es enorme.

¿Estos documentos tienen valor cero para la comunidad? – ¡De ninguna manera!

Las olas van y vienen. NN siempre ha estado en un ciclo de mareas altas y bajas. El aprendizaje profundo es grande, pero no tanto como para afirmar que resuelve “todos los problemas” en la visión por computadora. Puede aparecer algo más que, cuando se incorpora a las técnicas existentes, nos llevaría un paso más allá para resolver problemas. Debemos recordar que ImageNet fue un cartel humilde en CVPR 2009 antes de que AlexNet lo hiciera famoso. ¿Significa que AlexNet existiría sin ImageNet? ¡Realmente no! Viceversa es verdad también.

Si bien es difícil ignorar la ola de NN y el torrente de documentos en las conferencias de Nivel 1, las conferencias de Nivel 2 también generan muchas buenas ideas. Que yo sepa, ningún investigador digno ignora un artículo solo porque no es de una conferencia de primera. La idea es más importante que el nombre de la conferencia.