深度学习把两篇论文的方法拼接在一起，效果实现了新的sota，可以发论文吗？

先给结论可以但你拼接的姿势很重要。直接硬凑AB大概率被审稿人怼trivial。但如果包装得当不仅能发顶会顶刊也能拿下。今天就此话题分享点我的经验当然仅供参考。1. 拼接是常态传统深度学习时代微改网络旧数据集就能水一篇。到了大模型时代旧领域新大模型直接站在巨人肩膀上。你看到的很多顶会论文本质上都是把A的编码器换成B的解码器或者把C的损失函数塞进D的训练框架。所以拼接本身不是原罪关键是你怎么讲故事。2. 怎么让拼接变得non-trivial给大家分享个矩阵法找40篇最新开源oral两两组合筛出15个可行idea。但光跑出SOTA还不够还要做三件事建一个理论框架把A和B都说成是你这个框架的特例。比如A擅长局部特征B擅长全局依赖我们统一为双流自适应聚合这样拼接就成了必然选择。加一个可调节参数比如alpha*A (1-alpha)*B然后证明alpha0.5时效果最好这就从拼凑变成了融合。一定要做消融证明你的融合方式比单独A、单独B、以及简单拼接都强哪怕只涨0.3%也是非平凡增益。说到这里我已经整理好了CVPR、ECCV顶会里比较适合复现和二次改造的论文代码并按研究方向做了分类你可以直接拿去当个选题素材库从这些工作里找成熟Baseline再去找功能互补的方法。全部资料需要的同学看文末3. 选题上的小心机不要死磕旧数据集旧任务那样竞争太激烈。可以考虑微改网络旧数据集新的应用场景比如人脸识别里加口罩或者旧任务新大模型比如道路分割SAM这类拼接更容易被接收因为审稿人会觉得有现实意义。当然具该怎么改也很重要现在有很多成熟的改法可供参考。我自己就整理了366个深度学习即插即用模块基本囊括了常见的“可改位置”。你拿一份做论文的时候就可以先看Baseline哪里有改造空间再反过来挑合适的模块去验证这比盲目魔改网络效率高很多。4. 最后小技巧如果你在同一方向拼了好几篇可以一年后再写篇综述把别人和自己的拼接工作全装进去这就是水顶刊的终极“捷径”doge。总之拼就放心拼但记住拼的是故事不是代码。要把抄说成统一框架把调参说成自适应权重再把开源代码跑通你就是下一个SOTA收割机。关注下方《学姐带你玩AI》回复“222”获取全部资料码字不易欢迎大家点赞评论收藏