其实学术成就和贡献的评价很大程度上依赖于研究的质量、影响力以及研究者对所在领域的贡献程度。有时,一篇开创性的论文所带来的影响可能远超过多篇小范围研究的总和。此外,研究领域的差异也会导致发表论文数量的差异,有些领域的研究周期更长,或者发表高质量研究的门槛更高。所以我们常说如果要搞科研的话,选个好文章的方向才能卷的动。。。
单纯从数量来看无疑是陷入了“数量大于质量”的逻辑之中,我们大概看看他这两篇论文,PS:我不是做这个方向的,秉着不随便对他人领域做评价的原则,所谈甚少,说错之处恳请指正:
![](https://picx.zhimg.com/v2-33a796d2834d077731d625c01f8a5da2_r.jpg?source=2c26e567)
![](https://picx.zhimg.com/v2-acb31016480420fac7be83d22006d17f_r.jpg?source=2c26e567)
我们首先注意到他这两篇论文,截止24.2.19,20年发表的被引118次,22年发表的是49次。我觉得这个被引量已经很足够了,特别是一个博士生一作的文章,而且非综述。
The Hessian Penalty: A Weak Prior for Unsupervised Disentanglement是在ECCV 2020上发表的,标记为Spotlight。ECCV(European Conference on Computer Vision)是计算机视觉领域的顶级会议之一。
而另一篇文章GAN-Supervised Dense Visual Alignment根据搜索结果,这篇论文是在CVPR 2022上发表的,被标记为口头报告,并且是最佳论文的候选。CVPR(计算机视觉和模式识别会议)也是计算机视觉领域最重要和最有影响力的会议之一。
![](https://picx.zhimg.com/v2-f04d641f4b3b66a72fb5b98a71835a5d_r.jpg?source=2c26e567)
这两篇论文所在的研究领域(无监督学习、GANs、计算机视觉)是人工智能和机器学习中极其活跃的领域,且具有高度的技术挑战性。特别是GAN-Supervised Dense Visual Alignment在CVPR这样顶级会议上的表现,强烈表明了该研究的重要性和创新性,以及作者的研究质量。
因此,虽然论文数量不多,但这些论文的质量、发表的会议级别和学术界的认可度显然是评价这位研究者及其工作的关键因素。