科研路上我们往往会读到让自己觉得想法很惊艳的论文，心中对不同的论文也会有一个排名。
我们来看看各路大神是怎么评价的。
关于计算机视觉领域，@taokongcn分享了几个重要的工作。
1. Fully Convolutional Networks for Semantic Segmentation
论文链接 https://arxiv.org/abs/1411.4038
全卷积神经网络FCN：相信做物体识别检测分割的同学都非常熟悉这个工作，可以看作是开启和奠定了用FCN做实例和像素级别理解的一系列方法的先河，思想非常简单：直接端到端利用全卷积网络预测每个位置的标签。后续非常多的方法，包括Mask R-CNN、各种单阶段检测器、包括3D、video的诸多方法均或多或少受此简单想法的启发。
2. Faster R-CNN
论文链接 https://arxiv.org/abs/1506.01497
Faster R-CNN：现在回想起来，能在2015年想到Anchor这个想法真的是一个跨时代的，这个思想虽然简单但影响到了几乎所有的实例级别的理解任务。不多说，懂得都懂。
3. Deformable Convolutional Networks
https://openaccess.thecvf.com/content_iccv_2017/html/Dai_Deformable_Convolutional_Networks_ICCV_2017_paper.html
可形变卷积DCN：通过简单的offset学习和变换，赋予了卷积神经网络更加可形变的能力，想法很简单很work，目前已经成为各种打比赛的涨点神器。
复旦大学硕士生@陀飞轮：当年看Deformable Convolutional Networks(DCN)的时候最为惊艳，可能看过的文章少，这种打破固定尺寸和位置的卷积方式，让我感觉非常惊叹，网络怎么能够在没有直接监督的情况下，学习到不同位置的offset的，然后可视化出来，能够使得offset后的位置能够刚好捕捉到不同尺寸的物体，太精彩了！
4. CAM: Learning Deep Features for Discriminative Localization
论文链接
CAM@周博磊老师代表工作之一，如何用已有的分类网络去做定位？思想极为简单但有效：将最后一层的权重与对应特征层加权。目前几乎所有做图像弱监督定位分割的工作均或多或少吸收此思想，影响深远。
对你没有看错，图像关注的部分就是将该类的fc层中的权重和feature maps对应加权求和就行了。。。说实话我觉得这个真的是经过很多实验才发现的idea。因此通过这个CAM我们便可知这个网络到底在学什么东西。
至于后面CAM变体例如grad-cam等大家可以去查阅了解。通过这个惊艳的CAM，我觉得是开了基于弱监督图像分割领域的先河，简直是祖先级别的神工作。
为什么这么说呢，基于image-level的弱监督分割旨在仅通过分类标签而生成对应的分割标签图，（毕竟手工标记分割图上的像素太烧钱了呀哈哈哈 ）你看看CAM，如果通过阈值一下的话，那些热点处的不就可以作为置信度高的前景像素标签了嘛！！！
于是你便可以看到大量的弱监督领域分割之作都是在这个CAM之上完成的。不仅如此，CAM也在可解释领域中被作为一种基本的工具。这篇五年前的文章至今仍在视觉领域中放光发热，让很多的学者以此为基石展开研究。
我也是很感谢这篇工作让我接触到弱监督领域。毕竟是我转做计算机视觉读的第一篇文章hhhh，所以，thank you, CAM！
5. CLIP: Learning Transferable Visual Models From Natural Language Supervision
论文链接
跨语言-图像的预训练是很多人都能想到的idea，但是一直效果不够。这个工作体现出了作者们极度的自信和能力，竟然收集了大量大量大量的paired数据真正做work了！感觉自己做的工作就是渣渣，，，
知乎上@王峰提出了一个非常好的图示：
人脸识别方面，ECCV16的Center Loss和ICML16的Large Margin Softmax（是同一波人做的）。
个人认为这两篇文章最惊艳的地方并不在于方法，而在于分析问题的方式，尤其是这张图：
之前人们并不是没有研究过特征分布，但是用的方法都还是传统的一些降维手段如t-SNE，但t-SNE毕竟是个非线性降维方法，并不能真实地表现出原始特征分布。
实际上神经网络自己就是一个非常好的降维工具，直接将fc层的输出维度设置为2，那么每个样本的特征就只有两维，可以直接画在一个平面上，得到的可视化图像就是真正的特征分布。
有了这个可视化手段，人们发现原来softmax loss训练出来的特征是这样一个放射型分布，类与类之间是按角度分隔开的，于是才有了后续一系列工作关于角度的分析。
时至今日，这两个算法已经被更好的算法取代了，但分析问题的方式一直延续至今都还在被广泛使用。
@rainy分享了一篇小众方向（视频增稳/Video Stabilization）的论文，可能不是那种推动领域进步的爆炸性工作，这篇论文我认为是一篇比较不错的把传统方法deep化的工作。
论文链接 https://arxiv.org/pdf/2011.14574.pdf
看样子应该是投稿CVPR21，已开源。
论文链接 https://github.com/Annbless/DUTCode
首先介绍一下视频增稳的定义，如名称所示，视频增稳即为输入一系列连续的，非平稳（抖动较大）的视频帧，输出一系列连续的，平稳的视频帧。
由于方向有点略微小众，因此该领域之前的工作（基于深度学习）可以简单分为基于GAN的直接生成，基于光流的warp，基于插帧（其实也是基于光流的warp）这么几类。这些论文将视频增稳看做了“视频帧生成问题”，但是理想的视频增稳工作应该看做“轨迹平滑”问题更为合适。
而在深度学习之前刘帅成大神做了一系列的视频增稳的工作，其中work的即为meshflow。这里贴一个meshflow解读的链接。（论文链接https://www.yuque.com/u452427/ling/qs0inc）
总结一下，meshflow主要的流程为“估计光流-->估计关键点并筛选出关键点的光流-->基于关键点光流得到mesh中每一个格点的motion/轨迹-->进行轨迹平滑并得到平滑后的轨迹/每一个格点的motion-->基于motion得到满足平滑轨迹的视频帧”。
总结了meshflow之后，这篇DUT主要进行的工作其实很简单，在meshflow的框架下，将其中所有的模块都deep化：
- LK光流---->PWCNet
- SIFT关键点----->RFNet
基于Median Filters的轨迹平滑------>可学习的1D卷积
除此之外，由于原始的meshflow是基于优化的方法，因此DUT在替换了模块之后依旧保留了原始的约束项，并且可以使用无监督的方式完成训练，效果也好于一票supervised的方法。
迈微推荐
看了很多大牛的推荐，经过个人思考后，迈微也整理了详细的论文推荐名单。
之前分享的这几篇也给出了必读论文篇目及下载链接。
