登录
  • #读研读博

负能‌‌‌‍‌‌‍‌‍‌‌‍‌‌‌‌‌‌‍‍‌‌‌‌‍‍‍‍‍‍‌‌量贴预警,一个计算机视觉博士的吐槽

amazingguo
26245
78
刚进入Computer Vision项目的PhD时,我也曾意气风发,要做出世界级的研究,发明一个新的Network Architecture或者Layer。转眼五年快过去了,跟导师商量好六月毕业,深刻认识到自己在学术界没有前途,做好了直接做个码农的准备。唯一的遗憾是,没能早点出去实习。

总结一下,迄今为止只中了一篇一作的WACV,在被CVPR,ECCV拒掉之后它找到了自己的归宿。我老师和MIT的一个小组合作的文章反而中了ECCV,这篇文章我只提供了一小部分实验,所以只是一个挂名而已。后面写了三四篇文章,都捂在手里,眼看要烂掉。从博士第二年到现在,我已经集齐了CVPR,ICCV,ECCV,ICLR,NeurIPS,AAAI六大顶会的拒稿。导师还鼓励我投接下来的ECCV,我已失去勇气,也即将失去兴趣,准备投几个小点的会,毕业了事。

在经历了无数次据稿以后,我感受到研究界对于非名校非名导新入行博士的深深恶意。新入行博士不要跟别人拼结果,因为人家可能一个组做了几十年,各种积累,你一穷二白怎么拼?新入行博士一般只能follow一些大牛的文章,做一些渐进式创新,如果想按照自己的想法来,十有八九是碰壁。别忘了Lecun给CVPR组委会的那封公开信,在2012年前做神经网络就是自杀,现在不做神经网络才是自杀。

Peer Review的意思就是你的文章要被做同一个领域的其他研究者审阅,你和reviewer是竞争者的关系。自古文无第一,武无第二,同行之间互相排挤那是常有的事。通常Reviewer都是抓住你文章里面一个小点进行攻击,能不给过就不给过。从人性的阴暗面考虑,如果你的方法结果比我的好,我自己的文章不就发不出去了?最好大家彼此都高个0.1%,取个平衡。我遇到过很奇葩的reviewer,“你这篇文章不够novel,因为结果不好”,还有“神经网络的可解释性是不可能的,Strong reject”,还有“这篇文章之前在ICLR被拒了,所以weak reject”。你辛辛苦苦做了半年一年的工作,就被三个随机的同行,平均花了可能半小时不到的时间,找出了几个弱点拒掉,这种感觉真的非常无助。互联网强调快速迭代,快速失败,在学术界,对不起,一个迭代周期通常是按照年计算的,博士才有几年?青春才有几年?人生才有几年?

博士前两年,导师接到审稿任务,会让我帮忙看一下,他再根据我的审稿做出定夺。刚开始审稿的一两次,我也是抱着找茬的心理,甚至对方一两个错别字都是扣分的理由。后来因为挂名中过ECCV论文的关系,自己开始做Reviewer。现在我的心态平和得多,只要文章写的有诚意,不是纯灌水,我能从中学到一些知识,或者找到一些共鸣,我都会给过。令我对学术界感到无趣的是,通常我给一个文章过不是因为它的idea多么novel,多么有启发,而是找不到拒它的理由。你说它不novel,但是它里面很多时髦的新技术,东拼西凑,你说它结果不好,不好意思,比state-of-the-art多0.1个百分点。我自己并不想做这种研究,感觉有点浪费时间,甚至浪费纸。在自己诚意满满的文章得不到认可后,我决定再也不接审稿任务了,从学术界抽身。

再看那些大牛组,个个都是神采奕奕,paper等身。大牛说,以后XXX就是研究的重点,然后一堆paper开始疯狂follow,疯狂citation。大牛为自己的学生也都找好了出路,要么去一个顶级公立大学做教授,要么去顶级公司继续做研究。学术界都是他的学生,或者学生的学生。每隔几年就拿个best paper,或者best student paper。 研究发现,那些在职业生涯早期就抱了大牛腿的研究者比不抱大腿的研究者顺利很多。所以也算是个忠告,如果导师在学术圈没有名气没有资源,不要来念博士。

外行看热闹,内行看门道,现在的计算机视觉技术仍然很不成熟,且越来越浮躁。网络出错了,没人知道为什么,解决方案就是增加数据量,但是数据的分布是有个长尾的,怎么可能穷尽所有情况?以后会专门写一篇文章吐槽现在的计算机视觉是多么的不靠谱。

好吧,这些想法淤积在心里这么久,拿出来晒晒太阳,供大家参考批判。如果有跟我类似处境的博士们,希望你能意识到你不是一个人,博士不易,我们还可以抱团取暖。另外,身体最重要,留得青山在,不怕没柴烧。千万别把身体搞垮了,为了学术,不值得,真的。最后,我邀请你跟我默念,“一切都会好起来的,我是最棒的!”
78条回复
热度排序

发表回复