在tpami发表论文牛吗

CVPR这两年变味了

点击上方“视学算法 ”，选择加"星标"或“置顶”

重磅干货，第一时间送达

论文被拒确实是比较打击学生士气。 作为发考题，面对心爱的论文被拒，调整自己心态不是这么难，毕竟混了这么多年了； 现在觉得比较困难的是做cheerleader，时刻为学生打气，帮着问候万恶的reviewer 。

也举自己的例子吧，我的Class Activation Mapping，被拒过两次，目前引用数1500+； 早期的Coherent Filtering的投稿时候自己非常得意，但是当头棒，也是被拒过两次才发表出来； Dynamic Agent的TPAMI投稿，major revision两次，前后搞了一年多，最后被拒，然后转投IJCV一次中。 最近最喜欢的两个工作也是全聚德，只能放arXiv自己宣传（大家期待下）。

所以，还能怎样，论文投稿就是在挫折中前行。 how many roads must a man walk down, before you call him a man?

但是话说回来，很多时候被拒过后修改的版本会比第一次的投稿上很大个台阶。 在目前这种猛糙狠干ddl的时代，同学们熬夜赶出来的第一版往往非常粗糙。 被拒修改的这个过程，可以督促他们挖掘一些之前没有注意到的点，实验也会更深入，工作会做得更完整。

所以我觉得大家不妨换个思路，假设第一次投稿默认被拒，心里会舒服一些。 事实如此，80%被拒率作为先验概率摆这里，无人幸免。

愿世间没有病痛以及rejection。 Hallelujah.

我觉得首先自己需要对工作的价值有个评估，然后再想要不要继续投下去的问题。 如果自己很坚定这个工作是有价值的，那继续投到差一点的会议期刊，或者就放arxiv也是蛮好的，毕竟这年代是金子总会闪光的。 投了这么多年paper最大的感受就是绝大多数reviewer都是不qualified来judge你的paper的，很多时候真正能判断工作价值的只有你自己。 举两个例子吧。

第一个是我们16年做的adabn，当初投了可能至少有3 4次，每次review回来都是说，嗯我觉得这玩意可能真的有点用，但是我觉得也太简单了（用方法简单去拒稿本身就是一个荒谬的理由），reject。 后来一作同学改了改投了个稍微差点的journal，中了也就放在那里了。 然而这东西现在基本会是各种domain adaptation比赛的标配，citation也100多了。

第二个是我们17年做的用mmd的观点去汇总各种distill方法的paper，也是屡投不中，reviewer总是在纠结你这个方法好像最后涨得不多啊。 后来一作同学转正加入公司了，对paper也没那么大的需求就放arxiv了事了。 直到今年cvpr iccv发现有两篇paper其实都是我们的特例，而且居然有一篇还是oral，我也就释然了。 毕竟一个更通俗易懂的故事这年头reviewer才更能看懂。

所以说啊，时间会证明一切，做学术把握好自己的内心最重要~

很多老师还有同学喜欢投文章从极高逐步降低，美其名曰绝对不投亏……

但你可能不知道如果你在某个期刊连续被reject多了……编辑会默认要reject你。 这当然也是有一个冠冕堂皇的理由的： 不能正确评价自己工作的人，并不是一个优秀的科研工作者。

实际上，在整个平台上的接受几率也会影响编辑对你的判断，比如爱思唯尔系统。 只要是在这个系统上的投稿记录，编辑都能查到。

此外，即使你不考虑上面的因素，也该考虑下时间成本。 多投不中的论文只有两种情况： 严重高估和有严重硬伤。

前者可以通过降低level来解决，后者基本就扔了重写吧。 作为一个科学工作者你要有自己的判断。 如果还能抢救一下，降格投呗。 不然只能垃圾桶。

另外，远低于期刊水平的论文投多了可能要被加黑名单的……

but，题主不要灰心啊。 才两次还算不上多投不中。 一般我觉得四五次次还没有正面回复基本就凉了。 就该需要检讨了。

我来个像样的回答吧。T-PAMI是机器学习领域的顶刊，目前来讲，我是将其拜为第一把交椅的。鄙人不才，中过几篇，也有幸应邀审稿。CVPR ICCV，ECCV是模式识别领域的顶会，CVPR鄙人认为他是第一，如上几人所述，这几年随着机器学习，人工智能的大火，有水的成分了，两年一度，文章越来也多了。这两者没有可比性，为什么说没有可比性能呢。先说2017年以前吧，我们实验室想中一个T-PAMI，首先要中三大顶会之一，然后，我们在会议论文的基础上对研究结果进行深挖扩展，基本中T-PAMI就很简单了。2017年之后，实验室陆续出现硬上T-PAMI的现象了。顶会中的也就多了。最后呢，关于大家说论文变水了。其实不然，鄙人不才，说一句话：机器学习逐渐变成一门实验科学了，跟生物医学，生化环材一样，注重实验。所以呢，实验室的年轻本科生自己搭建一个新颖的，了不起的模型，识别率突破、实现的功能创新等，也可以中顶会，我认为这是合理的，毕竟纯搞理论也是不对的。有说错的地方，业内大牛可以指正。

tpami是Transactions of Pattern Analysis and Machine Intelligence 期刊的缩写，cvpr是Computer Vision and Pattern Recognition会议的缩写，前者是计算机视觉顶级期刊，后者是计算机视觉三大会议之一。期刊的内容一般比会议丰富，但是会议一般都是最新的东西。两者没有谁更强，无法比较，举例子说A Deep Semi-NMF Model for Learning Hidden Representations是2014CVPR会议的文章，作者把会议论文内容丰富后，投了2016的TPAMI。所以你能体会出来了吧