研究生如何快速发CVPR

很多人私信我硕士生能兼顾实习和论文发表的秘诀，其实好像没什么秘诀，主要还是看自己的执行力（有idea马上实验，有结果及时讨论），以及领域是否热门（决定了论文是否好发，竞争者数量），还有导师的能力以及宽容度
这里我简单总结一下我的经验：

1. 关注更广泛的领域
   比如我做的是Pansharpening，这是个小的不能再小的任务，如何才能在这个任务上玩出新意？除了我的导师在该领域很有经验，能给出经验以外，我觉得重要的是选择更通用、接受度更广的角度，即蹭热点。具体地，我做Pansharpening，却用DIffusion Model，蹭了生成式AI的热点；我用多模态LLM，甚至用MOE，又蹭了大模型的热点。
   我觉得蹭热点不是什么错误的行为，恰恰相反，有至少两点好处：1. 论文接受度更广了，更容易中。审稿人通常不是小行业的专家，而是大同行，使用大家都懂的技术，可以避免审稿人问一些完全不懂的问题。2. 更贴合工业界，容易做出有影响力的工作，很容易被业内follow，增强自己的影响力。
   其他好处包括：找工作更容易（容易的不是一点点）、技术嗅觉更敏锐、论文写作学习、开拓眼界等
   缺点：需要时刻关注前沿领域的文章，我看论文95%都不是Pansharpening任务的，而是DIffusion Model，multi modal LLM, Mamba等，小同行的论文更多是找对比方法的时候看；而且蹭热点要有意义，Motivation讲清楚了，比如为什么引入文本，引入文本的效果好吗？引入MOE的效果好吗？如何做适配？

2. 使用更好的工具
   

3. 代码功底
   强烈建议学习Hugging face 的代码仓库，以及pytorch的官方仓库
   具体包括huggingface Transformers | diffusers

• Dual-Granularity Semantic Guided Sparse Routing Diffusion Model for General Pansharpening
  YH Xing, LT. Qu, SZ. Zhang, K. Zhang, YN. Zhang and L. Bruzzong
  CVPR 2025（学生一作）
  [pdf][code]

• CrossDiff: Exploring Self-Supervised Representation of Pansharpening via Cross-Predictive Diffusion Model
  YH Xing, LT. Qu, SZ. Zhang, K. Zhang, YN. Zhang and L. Bruzzong
  IEEE TRANSACTIONS ON IMAGE PROCESSIN（学生一作）
  [pdf][code]

• Explicit and size-adaptive PSO-based feature selection for classification
  Litao Qu, Weibin He, Jianfei Li, Hua Zhang, Cheng Yang, Bo Xie
  Swarm and Evolutionary Computation,Volume 77,2023（高被引论文，第一作者）
  [pdf][code]

• Empower Generalizability for Pansharpening Through Text-Modulated Diffusion Model
  YH Xing,LT. Qu, SZ. Zhang, JP. Feng, XW. Zhang and YN. Zhang.
  IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, vol. 62, pp. 1-12, 2024.（学生一作）
  [pdf][code]

• Complementary Fusion Network Based on Frequency Hybrid Attention for Pansharpening
  YH Xing, LT. Qu, K. Zhang, Y. Zhang, XW. Zhang and YN. Zhang.
  ICASSP 2024 - 2024（学生一作）
  [pdf][code]