編者按：產(chǎn)出一篇有影響力的論文是學(xué)術(shù)界進(jìn)行交流和分享的重要方式。剛?cè)腴T的研究生和初入職場的研究者往往不清楚完成一篇論文的具體步驟，不熟悉如何構(gòu)思新穎的想法(idea)、如何開展實(shí)驗(yàn)和撰寫論文。針對這些問題，CCCF讀編往來欄目邀請浙江大學(xué)研究員彭思達(dá)結(jié)合自身科研歷程與經(jīng)驗(yàn)介紹如何較好地完成一篇論文。

引言

完成一篇論文的常見科研歷程包括三大階段：想idea、做實(shí)驗(yàn)、寫論文。每個階段又有細(xì)分的小步驟。在“想idea”階段，首先規(guī)劃一個重要的科研任務(wù)，然后調(diào)研任務(wù)中需要解決的技術(shù)挑戰(zhàn)/失敗案例(failure cases)，最后針對挑戰(zhàn)構(gòu)思解決方案。在“做實(shí)驗(yàn)”階段，首先根據(jù)問題的解決方案設(shè)計簡單實(shí)驗(yàn)(toy experiments)，用于快速驗(yàn)證方案的正確性，然后在簡單實(shí)驗(yàn)設(shè)定下改進(jìn)并調(diào)整方案，最后在真實(shí)數(shù)據(jù)上把算法調(diào)出理想的效果。在“寫論文”階段，首先根據(jù)論文的截止日期規(guī)劃論文各部分的完成時間，然后開始撰寫論文。在完成論文初稿后，可以找導(dǎo)師或行業(yè)內(nèi)專家?guī)兔υu閱論文，找出論文缺陷并進(jìn)行修改。

階段1：想idea

“想idea”指的是確定具體的科研任務(wù)，找到該任務(wù)中最前沿的地方面臨的技術(shù)挑戰(zhàn)，并提出相應(yīng)的解決方法。

以三維計算機(jī)視覺方向?yàn)槔P者認(rèn)為存在兩種科研風(fēng)格：目標(biāo)驅(qū)動型科研(goal-driven research)和想法驅(qū)動型科研(idea-driven research)。前者的思路為：首先設(shè)定一個長遠(yuǎn)的科研目標(biāo)，然后規(guī)劃實(shí)現(xiàn)該目標(biāo)的路線(roadmap)，即需要完成哪些科研任務(wù)，最后基于提出的路線圖，選擇其中的某個任務(wù)進(jìn)行研究。而后者的思路為：看到了一篇有意思的前沿論文，想著如何著手改進(jìn)該論文中的算法。

這兩種科研風(fēng)格有各自的優(yōu)缺點(diǎn)。想法驅(qū)動型科研的優(yōu)點(diǎn)是容易上手，是大部分科研新手會選擇的科研方式，其缺點(diǎn)比較明顯：（1）因?yàn)槭窃谝延姓撐纳细倪M(jìn)已有的方法，所以除非改進(jìn)的效果非常好，否則論文影響力有限；（2）科研思路可能被該論文帶偏，因?yàn)樵撜撐牡穆肪€有可能是錯的；（3）容易和其他研究人員有相似的解決思路，因?yàn)槠渌艘部赡茉诟倪M(jìn)該論文；（4）由于任務(wù)已經(jīng)被該論文嘗試解決過了，解法上的創(chuàng)新空間有限，需要很聰明、很深刻的見解才能針對任務(wù)提出突破性的新技術(shù)。

目標(biāo)驅(qū)動型科研有三個優(yōu)點(diǎn)：（1）容易做出突破性的創(chuàng)新。因?yàn)樵摽蒲蟹绞綇膫€人感興趣的任務(wù)出發(fā)，為領(lǐng)域提出新問題，不是對已有論文進(jìn)行改進(jìn)，而是引領(lǐng)該領(lǐng)域的發(fā)展；（2）該科研方式有明確的長遠(yuǎn)目標(biāo)和路線圖，因此更有自洽的動機(jī)，有利于形成自己獨(dú)特的科研風(fēng)格；（3）科研更具有連續(xù)性，科研成果可以形成體系。但目標(biāo)驅(qū)動型科研也有缺點(diǎn)，因?yàn)橐?guī)劃一條合理的研究路線圖是一件很難的事情，需要有豐富的科研經(jīng)驗(yàn)。剛?cè)腴T的科研新手往往無法構(gòu)思出較好的研究路線圖。不過筆者仍然鼓勵科研新手嘗試構(gòu)建自己的研究路線，在此過程中可以鍛煉自己的能力，并且厘清日后的科研規(guī)劃。雖然路線一開始不一定合理，但可以隨著經(jīng)驗(yàn)的增加進(jìn)行動態(tài)調(diào)整。

目標(biāo)驅(qū)動型科研中“想idea”的詳細(xì)步驟如下。首先規(guī)劃一個長期目標(biāo)，從事科研的人一般會有一個偏“科幻”的目標(biāo)，比如想讓ChatGPT有一個自己的身軀。為了實(shí)現(xiàn)這個目標(biāo)，需要制定一組重要的任務(wù)，即研究路線?？梢砸?guī)劃的幾個任務(wù)是：先讓ChatGPT模仿人的動作，再讓ChatGPT生成自己新的動作，最后讓ChatGPT與人、外界環(huán)境交互。有了研究路線后，再選擇研究空間較大且用當(dāng)前學(xué)術(shù)界的技術(shù)可以解決的科研任務(wù)，開始著手研究。

規(guī)劃自己的研究路線是“想idea”中最重要也是最難的一步。如果一個研究人員有特別豐富的科研經(jīng)驗(yàn)，知道這個領(lǐng)域有哪些重要技術(shù)、重要論文、重要問題，很容易規(guī)劃出一個合理的研究路線。筆者設(shè)計了一棵“文獻(xiàn)樹”用來規(guī)劃研究路線，構(gòu)建過程如下：首先列出自己科研方向上的大多數(shù)論文，閱讀論文并梳理論文解決了什么問題，根據(jù)問題將論文分類。這些論文解決的問題通常是有進(jìn)展性的，難度是不斷加深的。然后梳理每個任務(wù)下的論文的一般性框架和流程，并根據(jù)技術(shù)框架進(jìn)一步分類論文。這樣就建立起了一棵三層文獻(xiàn)樹。該文獻(xiàn)樹可以幫助自己清楚地了解該領(lǐng)域的重要問題和重要技術(shù)框架，從而有助于規(guī)劃研究路線。除此之外，以后寫論文時，可以把論文放到這棵文獻(xiàn)樹下面，根據(jù)該論文在文獻(xiàn)樹中的位置，判斷其貢獻(xiàn)程度，比如是否提出了一個新問題，或者提出了一個新的技術(shù)框架。

規(guī)劃好重要任務(wù)后，要找到任務(wù)中最前沿的方法面臨的技術(shù)挑戰(zhàn)。例如，探索算法上限的一個方法是在一些更具有挑戰(zhàn)性的數(shù)據(jù)或者設(shè)定下驗(yàn)證該算法，看其實(shí)驗(yàn)效果。這種方法除了幫助我們發(fā)現(xiàn)有意思的研究點(diǎn)，還能讓同行看到新的實(shí)驗(yàn)結(jié)論和可能性。這在實(shí)驗(yàn)上是一個很大的貢獻(xiàn)，在論文里放這些實(shí)驗(yàn)結(jié)論是一個比較大的加分項(xiàng)。這種情況下，論文是比較容易被接收的。

確定好想要解決的技術(shù)挑戰(zhàn)后，就要構(gòu)思解決方法。提出漂亮解法的前提是積累已有的解法，構(gòu)建自己的“武器庫”。很多任務(wù)和實(shí)驗(yàn)現(xiàn)象背后有相似的技術(shù)挑戰(zhàn)，也就是一些方法效果不好的技術(shù)原因往往比較相近。因此，解決這些任務(wù)的技術(shù)思想較為通用。筆者構(gòu)建武器庫的方法是構(gòu)建一棵挑戰(zhàn)-解法樹(challenge-insight tree)：首先收集一個研究方向存在的抽象技術(shù)挑戰(zhàn)，然后收集這些技術(shù)挑戰(zhàn)下面的解法。例如，逆渲染任務(wù)(inverse rendering)常見的挑戰(zhàn)有渲染計算量較大和光照建模不準(zhǔn)，應(yīng)對這些挑戰(zhàn)的解法有預(yù)計算、各種光照模型等。逆渲染任務(wù)在不同設(shè)定下會經(jīng)常遇到類似的挑戰(zhàn)。在遇到類似的技術(shù)挑戰(zhàn)時，就可以在挑戰(zhàn)-解法樹中尋找解法，而不是從零開始構(gòu)思解法?？傮w來說，構(gòu)思解法的流程是：在新數(shù)據(jù)、新設(shè)定下嘗試現(xiàn)有方法，發(fā)現(xiàn)較差的實(shí)驗(yàn)結(jié)果，分析其本質(zhì)的技術(shù)原因，抽離表面問題得到真正的技術(shù)挑戰(zhàn)；從武器庫中選擇一些技術(shù)，進(jìn)行創(chuàng)新性的組合，解決該技術(shù)挑戰(zhàn)。

基于技術(shù)挑戰(zhàn)想解決方法的一個好處是，重要的技術(shù)挑戰(zhàn)會推動我們提出新穎的解法。如果一個技術(shù)挑戰(zhàn)可以被簡單的“A B”式技術(shù)組合解決，那么該技術(shù)挑戰(zhàn)可能不重要。重要的技術(shù)挑戰(zhàn)會有其獨(dú)特的地方，無法被簡單的“A B”式方法解決，因此會推動我們提出新的技巧或框架，將已有的一些技術(shù)進(jìn)行創(chuàng)新性的組合，解決該技術(shù)挑戰(zhàn)下的特有問題。

除了上述常規(guī)的流程，“想idea”的過程還有一個特殊情況：當(dāng)出現(xiàn)一個新“技術(shù)錘子”時，用這個新錘子嘗試解決研究路線上的一些科研任務(wù)是非常值得的做法。這樣容易做出有影響力的工作。舉兩個三維視覺領(lǐng)域的例子，當(dāng)神經(jīng)輻射場(NeRF)這個工作出現(xiàn)時，有人將其用于三維重建的任務(wù)，實(shí)現(xiàn)了神經(jīng)表面重建方法NeuS。當(dāng)穩(wěn)定擴(kuò)散(stable diffusion)方法出現(xiàn)時，有人將其用于文本生成3D的任務(wù)，做出了DreamFusion。這種想idea的方式仍然屬于目標(biāo)驅(qū)動型，拿一個新的技術(shù)解決科研路線上的任務(wù)，只不過不是分析當(dāng)前任務(wù)面臨的技術(shù)挑戰(zhàn)能被哪些技術(shù)解決，而是分析新錘子能解決該任務(wù)的哪些技術(shù)挑戰(zhàn)。

階段2：如何做實(shí)驗(yàn)

提出基本的解決思路以后，就可以開始做實(shí)驗(yàn)，在目標(biāo)數(shù)據(jù)上驗(yàn)證算法。在實(shí)驗(yàn)過程中，我們可能會遇到一些預(yù)想不到的問題，一般會在實(shí)驗(yàn)過程中迭代式地改進(jìn)算法。

做實(shí)驗(yàn)一般是一篇論文完成過程中工作量最大的一個環(huán)節(jié)。好的實(shí)驗(yàn)習(xí)慣和能力能夠極大地影響一篇論文的完成質(zhì)量和速度。同樣的idea，有人用一年完成一篇論文，而有人用六個月就完成了，并且論文實(shí)驗(yàn)很充分。造成兩者差異的原因就在于實(shí)驗(yàn)習(xí)慣和實(shí)驗(yàn)?zāi)芰Σ煌?/span>

做實(shí)驗(yàn)階段包含三個步驟：首先根據(jù)解法設(shè)計簡單實(shí)驗(yàn)，用于快速驗(yàn)證解法的正確性，然后在簡單實(shí)驗(yàn)設(shè)定下改進(jìn)并調(diào)通解法，最后用真實(shí)數(shù)據(jù)將這個解法實(shí)踐成功。

簡單實(shí)驗(yàn)指的是只存在核心技術(shù)挑戰(zhàn)的實(shí)驗(yàn)。一般而言，一個實(shí)驗(yàn)數(shù)據(jù)不會只有一個技術(shù)挑戰(zhàn)。舉個例子，三維重建任務(wù)的目標(biāo)數(shù)據(jù)可能同時存在相機(jī)位姿不準(zhǔn)、目標(biāo)物體紋理較弱、目標(biāo)物體幾何復(fù)雜等技術(shù)挑戰(zhàn)。如果只想解決幾何復(fù)雜度的問題，可以先假設(shè)其他技術(shù)挑戰(zhàn)已解決，專注于在復(fù)雜幾何問題下驗(yàn)證解法的正確性。簡單實(shí)驗(yàn)有兩個好處：一個是降低實(shí)驗(yàn)的難度，只需要解決一個技術(shù)挑戰(zhàn)即可；另一個是可以降低實(shí)驗(yàn)的時間成本，如果在論文初始階段就在一個特別復(fù)雜的數(shù)據(jù)上做實(shí)驗(yàn)，一兩個月以后發(fā)現(xiàn)解法不正確，那么就浪費(fèi)了很多時間。

如何設(shè)計簡單的實(shí)驗(yàn)？首先要明確論文想解決的核心技術(shù)挑戰(zhàn)，然后分析當(dāng)前數(shù)據(jù)或設(shè)定存在哪些額外的技術(shù)挑戰(zhàn)，并尋找或人為構(gòu)建額外技術(shù)挑戰(zhàn)的數(shù)據(jù)或設(shè)定。

設(shè)計好簡單實(shí)驗(yàn)后開始在這組數(shù)據(jù)上驗(yàn)證提出的解法。圖1展示了一個常見的實(shí)驗(yàn)流程。首先基于一個idea進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)成功即可進(jìn)入下一個實(shí)驗(yàn)。如果實(shí)驗(yàn)失敗了，就要分析實(shí)驗(yàn)效果不理想的原因，并基于原因改進(jìn)idea，然后進(jìn)入下一個循環(huán)。這是一個經(jīng)典的實(shí)驗(yàn)循環(huán)流程。根據(jù)筆者的個人經(jīng)驗(yàn)，論文初期的實(shí)驗(yàn)會經(jīng)歷幾十次這樣的循環(huán)，在這些循環(huán)中研究人員會逐漸地收獲很多認(rèn)知，一步步改進(jìn)算法，最終得到一個效果理想的算法。實(shí)驗(yàn)循環(huán)的迭代速度決定了做論文的時間。有人一天能經(jīng)歷五次循環(huán)，而有人一天只經(jīng)歷一次循環(huán)，前者做一個月的實(shí)驗(yàn)相當(dāng)于后者做五個月的實(shí)驗(yàn)，論文進(jìn)度的差距就拉開了。

圖1 一般實(shí)驗(yàn)流程

做實(shí)驗(yàn)的核心步驟是分析實(shí)驗(yàn)效果不理想的原因。該步驟一般分為三步：發(fā)現(xiàn)實(shí)驗(yàn)效果不理想的表面原因，發(fā)現(xiàn)本質(zhì)的技術(shù)原因，通過實(shí)驗(yàn)驗(yàn)證這個原因。表面原因指一些表層因素，比如切換數(shù)據(jù)以后效果變差，那么數(shù)據(jù)就是一個表層原因。本質(zhì)的技術(shù)原因指內(nèi)部的機(jī)理，比如為什么換了數(shù)據(jù)以后效果變差，數(shù)據(jù)的哪個特征導(dǎo)致效果變差？假設(shè)一些原因后，再通過實(shí)驗(yàn)驗(yàn)證該原因是否確實(shí)存在，然后有針對性地進(jìn)行改進(jìn)。

圖2展示了一個流程圖，用于發(fā)現(xiàn)實(shí)驗(yàn)效果不理想的表面原因。筆者的經(jīng)驗(yàn)是基于一個效果不理想的實(shí)驗(yàn)，再設(shè)計一個效果理想的實(shí)驗(yàn)，然后把兩頭的實(shí)驗(yàn)固定住，分析兩個實(shí)驗(yàn)的差異。

圖2 實(shí)驗(yàn)流程圖

如果是數(shù)據(jù)造成了實(shí)驗(yàn)效果不理想，一般有兩種情況。第一種情況是，同一個實(shí)驗(yàn)中，可能有一些數(shù)據(jù)例子效果很好，而有一些數(shù)據(jù)例子效果較差，可以對比這兩組數(shù)據(jù)的差異。第二種情況是，實(shí)驗(yàn)中所有數(shù)據(jù)效果都不好，此時可以切換到更簡單的數(shù)據(jù)再做一次實(shí)驗(yàn)，看看簡單數(shù)據(jù)上實(shí)驗(yàn)效果是否理想。找到一個讓實(shí)驗(yàn)效果理想的數(shù)據(jù)后，再對比兩組數(shù)據(jù)的差異。

如果是算法模塊造成實(shí)驗(yàn)效果不理想，可以先找到一個效果理想的算法，再對比其與之前算法的差異。在對比的過程中不斷地縮小兩個算法的差異，最終定位到一個關(guān)鍵的算法模塊或者技巧(trick)。

在分析本質(zhì)的技術(shù)原因時，筆者總結(jié)了兩個可能的原因：代碼有bug和算法在某個數(shù)據(jù)上的效果不理想。查找代碼的bug有兩個方法：逐行檢查代碼輸出，驗(yàn)證輸出結(jié)果和預(yù)期是否一致，以及檢查個人對算法的理解是否到位。

檢查算法問題的一個有效方法是看相關(guān)論文使用了什么技巧，給相關(guān)論文算法做消融實(shí)驗(yàn)，找出算法的關(guān)鍵部分。一些情況下，算法本身沒問題，只是缺少技巧。一個經(jīng)典的例子是NeRF，該算法如果缺少位置編碼(positional encoding)這一技巧，效果會大打折扣。

在尋找問題的過程中，不能只歸就于某一個原因，不能一開始就覺得算法完全不行。算法效果不好很可能是多種原因疊加在一起造成的。算法可能在A數(shù)據(jù)上效果不好，但在B數(shù)據(jù)上效果很好。我們需要不斷地質(zhì)疑算法，并同時相信自己的算法，尋找各方面的原因，包括數(shù)據(jù)難度、代碼bug、算法技巧等。最后，針對找到的技術(shù)原因，再有針對性地改進(jìn)解法，暢想更多的解法。

在簡單數(shù)據(jù)上把算法調(diào)出理想的效果后，需要在真實(shí)數(shù)據(jù)上運(yùn)行算法。這一步驟和前文描述的實(shí)驗(yàn)流程類似。因?yàn)橐呀?jīng)驗(yàn)證了核心的創(chuàng)新性算法，對于真實(shí)數(shù)據(jù)，如果存在其他的技術(shù)挑戰(zhàn)，只需要有針對性地使用一些已有的解決方法即可。

階段3：如何寫論文

論文是展示新想法的重要方式。優(yōu)秀的撰寫論文的能力能夠極大地提升一個idea的影響力。同樣的idea，有人能寫出非常有影響力的論文，而有些人卻只能寫出在接收邊緣的論文。一篇好的論文，寫作思路要清晰，能講清楚核心貢獻(xiàn)點(diǎn)。論文的實(shí)驗(yàn)部分要有充足的對比實(shí)驗(yàn)和消融實(shí)驗(yàn)，以此驗(yàn)證技術(shù)貢獻(xiàn)點(diǎn)的有效性。論文盡量在更具有挑戰(zhàn)性的數(shù)據(jù)上做實(shí)驗(yàn)，以充分挖掘算法的潛力，擴(kuò)展領(lǐng)域的想象力和可能性。

將核心算法在目標(biāo)數(shù)據(jù)上實(shí)踐后，即可開始寫論文：（1）首先梳理論文的故事(story)，寫一個類似論文引言(introduction)的初稿，同時整理論文所需的對比實(shí)驗(yàn)和消融實(shí)驗(yàn)。最好先做消融實(shí)驗(yàn)，確認(rèn)方法的最優(yōu)版本，然后做對比實(shí)驗(yàn)。（2）構(gòu)思論文方法（method）的提綱，撰寫論文方法，同步做論文實(shí)驗(yàn)。（3）修改論文的引言和方法，同步進(jìn)行論文實(shí)驗(yàn)。（4）構(gòu)思實(shí)驗(yàn)的提綱，撰寫實(shí)驗(yàn)。（5）撰寫論文的相關(guān)工作(related work)。（6）評閱論文，修改論文的引言、方法和實(shí)驗(yàn)。（7）寫論文摘要，取論文標(biāo)題。（8）反復(fù)評閱論文，修改論文。

組織論文的故事是“寫論文”階段的核心步驟。筆者常常使用“倒推-正推”法梳理論文的故事。在倒推部分，首先明確論文的貢獻(xiàn)是什么，比如提出了某個新任務(wù)，發(fā)現(xiàn)了某個新的技術(shù)挑戰(zhàn)，提出了某個新技術(shù)；然后明確論文提出的技術(shù)有什么優(yōu)勢，解決了什么挑戰(zhàn)；最后研究如何通過描述之前的方法引出論文解決的技術(shù)挑戰(zhàn)。

基于倒推部分回答的三點(diǎn)問題，在正推部分即可梳理出論文的故事：首先介紹論文的任務(wù)；然后討論之前的方法，引出論文解決的技術(shù)挑戰(zhàn)；針對該技術(shù)挑戰(zhàn)，論文提出了某個新技術(shù)；描述論文技術(shù)的優(yōu)勢。

論文實(shí)驗(yàn)部分主要包括：對比實(shí)驗(yàn)、消融實(shí)驗(yàn)和一些可視化效果(demo)。消融實(shí)驗(yàn)的目的是驗(yàn)證論文提出的各部分技術(shù)的有效性，一般包含一張大表格和一些小表格。大表格列出論文核心技術(shù)貢獻(xiàn)點(diǎn)以及一些技術(shù)模塊對論文方法效果的影響。小表格分別列出某個方法模塊中的技術(shù)設(shè)計、超參的消融結(jié)果，或者是方法對輸入數(shù)據(jù)質(zhì)量的敏感程度。

論文的demo與論文的影響力有較大關(guān)系。好的demo可以較好地展示論文技術(shù)的有效性，讓讀者直觀地體會到論文對領(lǐng)域的推動程度。因此，在目標(biāo)數(shù)據(jù)上把算法調(diào)出理想效果后，盡量在更多新的有挑戰(zhàn)性的數(shù)據(jù)上做實(shí)驗(yàn)，看看算法的極限，挖掘算法的潛力。讀者通常希望看到一個算法的效果能達(dá)到什么程度。論文在具有挑戰(zhàn)性的新數(shù)據(jù)上將一個算法調(diào)出理想效果是一個很大的貢獻(xiàn)。

論文寫完后，需要評閱論文，找出需要修改的點(diǎn)，通常是檢查論文是否存在被拒的因素，常見的論文被拒因素有以下五個方面。

1.論文貢獻(xiàn)不夠，沒有給讀者帶來新的知識，分兩種情況：論文想解決的技術(shù)挑戰(zhàn)已經(jīng)被很多論文解決過了，而且被解決得比較好了；論文提出的技術(shù)已經(jīng)被很好地探索了，該技術(shù)帶來的效果提升是可預(yù)?的。在這兩種情況下，讀者很可能看多了類似的工作，缺乏新鮮感。

2.寫作不清楚。常見情況是論文缺少一些技術(shù)細(xì)節(jié)，導(dǎo)致論文不可復(fù)現(xiàn)。還有的情況是論文方法設(shè)計缺少研究動機(jī)(motivation)，沒有講清楚為什么采用該設(shè)計。

3.實(shí)驗(yàn)效果不夠好。論文方法的效果只比之前的方法好一點(diǎn)，或者是雖然比之前的方法效果好，但總體效果仍然不夠好。

4.實(shí)驗(yàn)測試不充分。論文缺少重要的消融實(shí)驗(yàn)、重要的基線方法以及重要的實(shí)驗(yàn)指標(biāo)，或者是論文的實(shí)驗(yàn)數(shù)據(jù)太簡單，無法證明方法是否真的產(chǎn)生理想效果。

5.方法設(shè)計有問題。有四種情況：（1）論文的任務(wù)設(shè)定不切實(shí)際，沒有意義；（2）方法存在技術(shù)缺陷，看起來不合理；（3）方法不魯棒，需要在每個場景上調(diào)超參，對目標(biāo)數(shù)據(jù)很敏感；（4）新的方法設(shè)計在帶來收益的同時，也引入了更強(qiáng)的缺陷，導(dǎo)致新方法的收益為負(fù)。

彭思達(dá)

CCF專業(yè)會員。浙江大學(xué)軟件學(xué)院研究員。主要研究方向?yàn)槿S計算機(jī)視覺。pengsida@zju.edu.cn

特別聲明：中國計算機(jī)學(xué)會(CCF)擁有《中國計算機(jī)學(xué)會通訊》(CCCF)所刊登內(nèi)容的所有版權(quán)，未經(jīng)CCF允許，不得轉(zhuǎn)載本刊文字及照片，否則被視為侵權(quán)。對于侵權(quán)行為，CCF將追究其法律責(zé)任