方案改进
Last updated
Last updated
初始提出的方法，95%的情况下都是不 work 的。需要根据实验结果改进方案。
寻找相关技术论文的三个目的
检查novelty：是否有类似的文章？
获得技术insights：相关论文如何分析相关技术的insights和技术优势？
学习关键tricks：相关技术方法wrok的关键tricks是什么？
主要找两类论文（从相关工作章节中找）：
有关该任务的先前论文
使用类似技术的先前论文
也可以使用大语言模型（LLM）推荐搜索关键词，有效的关键词搜索需要对一个领域有基础了解
然后我们阅读这些论文以了解相关技术的动机和技术优势，一种有效的学习方法是通过challenge-insight tree总结这些论文。不过我们通常不会阅读论文的代码，除非它与我们研究的内容非常相关。
案例：4K4D
初始的Idea：发现在动态场景，Point Rendering还未被较多探索，设计方法：Point Cloud Sequence
学习volumetric videos里面实时渲染的pipelines
学习static view synthesis里面实时渲染的pipelines
学习领域现有工作怎么用点云的、学习他们的技巧
目的：
找到机会组织你的idea：在与他人讨论时，必须清晰地组织你的思路。
获得对自己idea的反馈：与他人讨论可以帮助你获得对自己idea的反馈，这包括潜在的问题和改进建议。
激发新的idea variants：有时，一次简单的对 话可以引发新的问题 或解决方案。
方法：
首先，找到一个你可以讨论的群体（Senior advisors、实验室同学、具有类似研究兴趣的同行）
然后，通过报告来介绍你的问题和方法（五个要点：任务设定、Failure case与本质的技术原因、解决问题的直觉和动机、想讨论的问题、粗略的 pipeline）
避免陷入local minima：类似于优化过程，我们设定几个seed以防止陷入local minima，避免陷入惯性思维
培养技术创造力：培养技术洞察力、技术创新能力和创造力。
一个常见的误区是直接使用导师提供的coarse pipeline进行实验， 而不进行深入思考改进。
从文献中学习，现有的pipeline和关键tricks。或者向其他研究人员学习，同行对当前pipeline的评估，推荐的相关pipeline或tricks。加上自我反思与总结
基本做法： 在优秀的代码框架上实现你的idea
更好的做法：最好在自己的代码框架内重构他人的代码
节约时间：与从头实现相比，重构他人的代码可以降低实现难度并避免陷入陷阱。
了解关键的tricks：在重构代码的过程中，你会加深对算法的理解，提高技术insights，并学习到有效的tricks。
为后续实验做好准备：使用自己的代码框架，便于未来的idea改进。
设计实验核心原则：减少实验中包含的探索点的数量
分解pipeline：将idea分解为不同的组件，从可控的idea开始，不断添加探索性和创新性的框架/模块。
分解实验设置：从一个简单的setting开始探索，然后逐渐增加难度，之后进入到真正的setting。
还应该考虑exploration points的重要性，进行实验优先级排序
分析结果可以加快idea迭代改进：更好的改进方向、 减少实验所花费的时间。核心动机：避免项目被scooped
保持良好的实验记录习惯
实验目的：描述为什么要做这个实验，同时你希望通过这个实验获得什么
实验设置：实验中用了什么样的数据，同时对算法做出了哪些改变。
实验结果：记录成功和不成功的结果，其中包括量化结果和可视化的结果。
实验结果分析：分析实验为什么work或者不work。
下一步骤：思考如何进行下一步并列出下一步要进行的实验。
如何分析为什么实验不work？之前提到了（复习一下之前的），确定它不work的表层原因和根本技术原因。首先确认那些能够work的数据或算法, 然后将其与不work的数据或算法进行比较， 查看他们之间的差异
推测技术原因：
依靠自己积累的技术能力和经验
查阅相关论文，并尝试从中寻找技术解决方案
与他人讨论并从他们那里学习技术insights
