做计算机视觉的人微信群里每天早上都会准时出现一串 arxiv 链接这几乎是这个圈子的固定晨读仪式。9月1日这个时间节点又格外特殊——暑假刚结束不少组的同学赶在开学前把手头工作整理成 preprint 挂了出来因此 cs.CV 子站的更新量比平时明显多出一截。我花了一整个上午把这批论文大致过了一遍挑出几条值得关注的线索同时也顺手把自己这几年追论文、筛论文、用论文的流程重新梳理了一遍。这篇文章不是把论文列表复读一遍而是聊聊更实际的东西每天几百篇新论文你怎么判断哪些该精读、哪些只配扫一眼标题如果你是刚入门的本科生或者正在为计算机视觉大作业发愁又或者准备确定自己的研究方向这里面都有对应的操作办法。我会把筛选技巧、读论文的步骤、找代码和复现的坑位尽量写透希望能让你在信息流里少走点弯路。1. 2026年9月初这批 cs.CV 论文在聊什么1.1 从标题词频看短期热点我习惯先对论文列表做一次粗糙的词频统计再决定从哪篇开始动手。把这一期大概三百多篇论文的标题拆开看出现频率最高的几个关键词非常集中diffusion、video、3D、multimodal、efficient、driving。这个分布其实并不意外最近两年计算机视觉的主战场一直在这几个方向上轮转。我大致把热点方向整理成一个速查表方便你快速定位方向标题常见信号词这批论文的大致情况视频生成与编辑video generation, temporal, consistency长视频一致性、镜头级编辑、可控 motion 是高频词多模态理解与推理multimodal, vision-language, reasoning从单纯“能看懂”转向“会推理”越来越卷逻辑链3D 视觉与重建3D reconstruction, Gaussian, neural fields3DGS 相关仍是主力实时渲染和动态场景是大热点扩散模型应用diffusion, editing, controllable generation从文生图转向可控编辑、定制化生成、加速采样自动驾驶感知autonomous driving, end-to-end, occupancy端到端方案成了卷的焦点占用网络还有空间高效化与极简light-weight, efficient, quantization, pruning用更小的模型达到接近大模型的性能工程价值高这里要提醒一句词频只能给你一个体感真正花时间读哪篇还是要跟自己的任务绑定。比如你要做大作业或者复现实验就不能只看热点还得看这篇论文有没有开源代码、数据集是不是你能拿到的。1.2 值得长期盯住的四条主线如果说单期的词频是“天气”那下面这四条线就是“气候”级别的变化。第一条线是多模态理解从感知走向推理。以前我们讲 vision-language model 主要是图文检索、视觉问答现在大量工作的重心变成了“视觉逻辑链”模型需要看着截图一步步推理出答案要在复杂场景里做空间关系判断甚至要结合外部知识库。这条线的论文往往不只在算法上有改动还会配套推出新的评测集如果你要找研究切入点得注意区分“又造了个 benchmark”和“真的解决了某个底层问题”。第二条线是视频生成开始死磕一致性。前两年的视频生成能短、能看就行现在大家要求的是长视频里人物不飘、服装不变、动作连贯甚至要支持帧级编辑。这批论文里做 temporal consistency 的明显变多很多是在扩散模型里加光流约束、加3D注意力或者干脆把视频当成3D体积去生成。这个方向的上限很高但目前普遍吃显存动手复现前先想清楚自己的卡能不能扛住。第三条线是3D视觉和具身智能的底座开始融合。3D重建本身不是新事但今年的趋势是 3D 不再只为了重建得好看而是为了给机器人、自动驾驶提供能推理的空间表征。比如用动态高斯做驾驶场景的实时建模用隐式场做物体可供性估计。这条线需要的基础知识比较多新手直接上手容易劝退建议从 3DGS 的基础代码开始一点点啃。第四条线永远是“用更少的算力做更多的事”。不管哪个年代计算机视觉科研转化成产品都绕不开效率问题。量化、蒸馏、剪枝、轻量网络设计这批论文里仍然有不少名额。这个方向很适合做工程、做大作业的同学因为评价指标清晰复现成本低而且写进简历里肉眼可见地“落地”。2. 每天上百篇论文我靠这套流程只花30分钟2.1 先给标题做一次“体检”很多同学追论文最大的问题是来者不拒——看到标题有点关系就存到收藏夹两周后攒了两百篇一篇也没读。我自己的办法是给标题建立一套条件反射式的“体检表”扫一眼标题就能把论文扔进不同优先级。下面这张表是我个人长期用的分级规则你可以直接抄分级标题特征处理方式直接跳过survey、benchmark、challenge除非你对这个子领域陌生不点开不保存快速浏览出现你熟悉领域的增量改进看摘要和结论记录一句贡献值得精读出现新任务、新数据集、新训练范式或解决你当前卡点的下载 PDF进精读流程必须精读作者是你长期跟踪的小组或标题和你手头课题高度重合下载 PDF排进本周精读队列这里的关键是“带着问题读论文”。你手头正在做检测、分割还是生成你缺的是一段可复用的训练技巧还是一个被忽略的数据问题想清楚这些标题体检会快很多。反过来如果你只是漫无目的地想“跟上时代”那看一百个标题也留不下多少东西。2.2 RSS 订阅和邮件通知让论文主动来找你每天手动打开 arxiv 网页刷一遍不是不行但效率太低。我现在的习惯是让论文主动推送过来。arxiv 官方对每个分类都提供了订阅机制你可以在 arxiv 的订阅管理页面设置分类cs.CV 的更新每天会定时推到你邮箱支持用关键词做二次过滤。如果你不想被邮件淹没还有一个更轻的方案RSS。arxiv 官方每个分类都有对应的 RSS 地址你只需要把这个地址加进任意 RSS 阅读器比如 Feedly、Inoreader或者本地的 NewsFlash 都行订阅源就自动把每天的更新列表拉过来。我自己用的是本地阅读器配合“只看标题摘要”的浏览模式基本上早餐时间就能把当天的论文刷完一遍。很多人会问要不要自己搭建一个论文推荐服务我的答案是没必要。老老实实用 RSS 加邮箱再辅助下面讲的关键词脚本已经比 90% 的人高效了。折腾推荐系统的时间不如拿来多读两篇。2.3 写个几十行的关键词打分脚本如果你有明确的研究方向光靠人眼筛查确实还会漏这时候可以写个非常简单的脚本做关键词打分。我用 Python 的 feedparser 拉取 arxiv API 数据按自己的关键词列表给论文打分只保留分数高的条目。一个最小的示例如下import feedparser import urllib.parse # 拉取 cs.CV 最新论文数量可以按需调整 query urllib.parse.urlencode({ search_query: cat:cs.CV, sortBy: submittedDate, sortOrder: descending, max_results: 200, }) url fhttp://export.arxiv.org/api/query?{query} feed feedparser.parse(url) # 关键词权重正数为加分负数为减分 keywords { video generation: 3, temporal consistency: 3, diffusion: 1, efficient: 1, 3d: 1, multimodal: 2, survey: -2, benchmark: -1, } for entry in feed.entries: title entry.title.lower() score sum(keywords.get(k, 0) for k in keywords if k in title) if score 3: print(f{score} | {entry.title}) print(f {entry.link})这个脚本跑起来几乎没有学习成本把 arxiv API 里的 max_results 改成 500 也就一秒多。实测下来它最大的价值不是帮你“找到”论文而是帮你“砍掉”噪音。你只需要每周花十分钟调整一次关键词权重表比如最近不搞 3D 了就把 “3d” 的权重调成 0系统自然跟着你的方向走。3. 按你的身份选择打开方式3.1 刚入门或补基础先锁定综述与经典框架如果你是第一次接触计算机视觉看到 arXiv 上一堆陌生术语很容易大脑宕机。我给你的建议是不要试图读懂最新论文先用一个月把底子打好。具体做法是找两样东西第一是一本系统性教材国内比如章毓晋老师的《计算机视觉》就非常适合搭体系框架第二是几篇真正的里程碑论文按图像分类、目标检测、语义分割、生成模型这几条线各挑两三篇精读。论文层面推荐的入门路径大概是AlexNet 或 ResNet 搞懂卷积网络的套路Faster R-CNN 或 YOLO 搞懂检测的基本范式U-Net 搞懂分割和扩散模型的骨干然后就可以开始看 ViT 以及它的变体。这些论文十年前的技术细节可能过时了但问题定义、评测方法、思考方式全部还是主流。底子不牢的时候去读最新论文就像没学走路就想着跑每一篇都只能留下一个“好像很厉害”的印象用不起来的。对入门者来说这一期 arXiv 上的 survey 反而是你的朋友。看到标题里带 survey 的论文专门挑出来读它能帮你快速了解一个方向的术语和子问题。但注意 survey 读多了容易“眼高手低”所以最好是每次读一篇 survey就顺着它引用的核心论文去跑通一个小实验。3.2 课程大作业或项目实战优先找带代码和数据的论文每年都有不少同学在做计算机视觉大作业时来问我怎么选题。我的建议非常直接优先选择带有官方代码和公开数据集的论文把“能复现”排在“题目够炫”前面。大作业的本质是在有限时间里完整地走一遍科研流程数据、环境、训练、评估、写报告任何一环卡住都可能让你连续熬夜。找代码有两个入口。第一是 Papers with Code 网站它把论文、代码、数据集和排行榜做了聚合一篇论文只要开源过代码基本都能在上面查到。第二是 GitHub 直接搜“论文名 official”很多作者会把代码仓库命名为这个格式。点进仓库之后不要急着 clone先看三样东西README 里有没有环境配置说明有没有可以直接跑的小规模 demo以及 issues 区是否活跃。如果这三个条件有一个不满足那这篇论文做起来八成要踩坑。从这期列表里挑大作业题材的话我比较推荐那些“场景熟悉、任务单点、训练代价可控”的工作。比如图像编辑、单图重建、轻量检测这类选题效果直观写报告也好展开分析。而那些需要几十张 A100 的大规模视频生成、需要采集真实场景数据的自动驾驶课题除非你所在的实验室有现成条件否则就别为难自己了。3.3 准备确定研究方向从单篇论文反向追踪一个团队如果你到了高年级或者刚读研准备定研究方向我强烈建议你换一种看论文的方式不要按天刷而是按“作者”刷。你会慢慢发现学术圈真正高产的团队往往有非常清晰的长期主线——他们会在两到三年内围绕一个问题连续发多篇论文每一篇解决一个具体的子问题合在一起才构成完整的故事。具体操作上当你看到一篇特别对胃口的论文做三件事。第一打开第一作者的主页看他博士期间发了哪些论文通常作者的首页会把“research statement”写得很清楚几段话就能帮你理解这个方向为什么重要。第二看这篇论文的引用里最老的那几篇参考文献这些往往才是这个问题真正的源头。第三用 Google Scholar 的“cite”反向追踪最近谁引用了这篇论文新引用的论文往往代表当前最活跃的延伸方向。我自己当年定方向时就是用这种方法从一篇三年前的旧论文追到一个稳定的研究脉络顺着脉络读完了同一个组十来篇工作最后快速找到了一个可以动手的空白点。比每天随机刷论文、东看看西看看要高效得多。等你确定了大致方向你再回到 feed 流里刷论文时眼光会完全不一样——你不再是路边看热闹的路人而是带着地图找缺口的人了。4. 一篇 CV 论文我究竟在读什么4.1 第一遍只看图和摘要五分钟判断要不要继续很多人打开一篇论文是从摘要第一行开始逐字读到结论这其实是最低效的方式。摘要里的文字往往是作者包装过的真正能让你快速判断论文价值的是图表。我的习惯是先下载 PDF跳过标题摘要直接翻图表把每一张图是什么意思看明白再回头看摘要。举个例子一篇做视频生成的论文光看摘要你只能看到“我们提出了一种新框架在多个指标上达到 SOTA”这对你决策帮助不大。但是你把论文里的配图看一圈就能立刻发现哦原来它是在做长视频里的物体一致性用的是光流约束主要创新点在训练策略。这个时候再回来看摘要你才能判断出这篇论文的贡献到底有没有用。第一遍读完你只需要回答三个问题这篇做了什么跟我有没有关系值不值得花时间细读三分钟内回答不了先放一边。这里想强调一下不代表摘要没用而是摘要要在看完图之后再读当作“确认”而不是“了解”的工具。顺序一换效率差别非常大你可以试着调整一下很快就能感觉出来。4.2 第二遍进方法公式、损失函数和训练配置怎么读决定精读之后重点就不是文字而是“实现细节”。计算机视觉论文水很深很多听起来很美的创新最后落到代码里其实就是损失函数里加了一项或者数据增强换了一种方式。所以第二遍读论文你要带着“如果我来实现它需要知道什么”这个问题去读。我通常按这个顺序读先看模型整体架构的图理清输入输出和中间流程再找损失函数部分看它有几项、每项权重怎么设然后找训练配置batch size、学习率、训练多少轮、数据怎么增强这些直接决定你能不能复现出接近的结果。值得注意的坑是论文正文里写的超参数往往不够完整重要细节常隐藏在附录和开源代码的 README 里所以一旦决定复现一定要把附录也读一遍。很多新手读方法部分时总想把每个公式都推导一遍我的建议是没必要。除了少数真正提出了新理论的工作大部分 CV 论文的公式只是把已有操作的数学形式写出来你只要理解每个符号对应网络里的哪一块、前向怎么算、反向怎么更新就够了。过度纠结推导会把你拖进泥潭。4.3 第三遍是复现环境、数据、指标三个最翻车的地方第三遍读论文的唯一方式就是复现。这时你会发现论文写得再清楚也架不住实际工程的毒打。我总结最容易翻车的三个点每一个都是自己踩过的坑。第一是环境依赖。尤其是近两年的论文很多依赖特定版本的 PyTorch、CUDA、mmcv 或者第三方算子库。解决思路是优先用作者提供的 Docker 映像或 conda 环境文件不要在默认环境里硬跑。如果作者只给了 requirements.txt那就先创建独立的 conda 环境再安装不要污染你日常使用的环境。第二是数据预处理。图像缩放尺寸、归一化参数、数据增强方式论文里可能只用一段话带过却可能造成好几个点的精度差异。复现时直接对照作者的数据加载代码逐行对齐。我遇到过最夸张的一次只是归一化里少除了一组 mean/std精度直接掉了 1.5 个点查了半天才发现错误。第三是评测指标的计算口径。mAP 的 IoU 阈值、COCO 还是 VOC 的评测方式、生成模型里的 FID 是做了多少张图统计的这些细节不统一你复现的指标和论文给出的指标就根本没有可比性。建议直接使用作者提供的测试脚本不要自己重新造轮子。复现这件事能不做重复工作就不做重复工作和时间过不去没有意义。5. 追论文路上的高频问题与排查方法5.1 访问慢、PDF 下载失败怎么办arxiv 官方站点的PDF并不总是能顺利下载。我自己遇到比较多的问题是点开 PDF 链接后速度很慢或者下载到一半断掉。这里的办法是先尝试官网的备用下载入口每一个论文详情页的右上角通常会给出 alternative download 的链接里面包含不同格式的服务PDF 之外还可以试试格式更小的文件。这种路径适合临时应急。如果是长期使用我更推荐用学术镜像站点。不少高校和研究机构维护了自动同步的 arxiv 镜像搜索“arxiv 镜像”就能找到。镜像站一般只做论文页面和 PDF 的同步访问速度通常比官网更稳适合批量下载论文时使用。不过镜像站有时会滞后一到两个小时投稿当天最新的论文可能需要等一小段时间。如果你刷的是我这篇博文提到的“某一天的汇总”镜像滞后基本不影响因为一百多篇论文你已经有了具体 ID直接按 ID 去找反而更快。还有一个很实用的小技巧按 arxiv ID 直接定位论文。理解了这个编号规则你会发现 ID 自身就包含大量信息——前四位是年月后面是序号。比如你在聊天里看到一条 arxiv:2406.09246立刻能反应出这是 2024 年 6 月提交的论文不用点开链接就知道大概是什么时间段的工作。5.2 论文收藏了太多焦虑发作怎么办这是最多人问的问题每天刷几十篇每篇都觉得有用全都存进 Zotero 或者浏览器收藏夹结果越攒越多最终一篇也没细读。我的解决方案是给自己立一条“周清”规矩每周五下午固定花半小时把这一周收藏的论文全部过一遍只保留最多五篇其余全部删除或移到“不再关注”目录。这条规矩的核心在于倒逼你建立自己的筛选标准。当你只能保留五篇时你自然会去想哪一篇最值得读哪一篇解决了你最关心的问题哪一篇在半年后还会有价值。经过几次“周清”你的收藏夹会从信息垃圾场变成一个真正有参考价值的资料库。我自己坚持了快两年收藏量从长期一千多篇压到常年两百篇以内但这两百篇几乎每一篇我都敢说“读过并知道它解决什么问题”。5.3 论文作者没放代码怎么找实现细节论文没开源代码是一件非常常见的事情。遇到这种情况建议按顺序尝试四条路第一在 Papers with Code 上搜索有些第三方复现也会被收录第二在 GitHub 上搜论文题目第三方复现仓库可能会用关键词或者缩写命名第三找作者的个人主页很多作者会把最新代码和预印版放在主页上比 arXiv 还要早上传第四也是最直接的给作者写邮件要代码邮件里简要说明你的用途附上你的研究背景大部分作者两周内都会回复。写邮件要代码这件事很多学生不好意思开口。做一个合格的礼貌请求其实并不难就是说明你是谁、想拿代码做什么、保证不用于商用。我写过很多次回复率大概有一半这个比例远比想象中高。哪怕不是官方实现拿到作者的指点也能帮你少走很多弯路。5.4 跑出来的结果和论文对不上怎么办复现结果和论文指标对不上时大多数人第一反应是怀疑自己的实现写错了事实也确实如此大概有七成的概率是你这边的问题。我的排查顺序是先确认评测指标的定义是否完全一致比如目标检测里用的 AP 是面积积分还是插值采样再确认数据集划分很多人会用测试集当验证集指标自然虚高然后确认预处理细节包括图片尺寸、归一化、增强策略最后才去检查模型结构。如果以上全部确认无误结果仍然低于论文好几个点这时候可以考虑是硬件和框架的数值差异。不同 GPU、不同 PyTorch 版本下某些算子的实现方式不同会造成微小但可观测的差异。我的建议是只要你的结果离论文指标在一个合理的方差范围内就先把注意力放在“方法和结构的差异”上不要追求百分百复现论文里的绝对值——论文里的数字通常也是他们在若干次实验中挑出来的最优或中位数结果。我个人的习惯是复现时总是把“能不能跑通、合理性是否成立”放在“和大牛论文的分数完全一致”前面。很多工作真正有价值的不是那个高分而是它如何定义问题、如何构造实验这些在复现过程中学到的东西远比一个漂亮的数字值钱得多。最后再分享一条自己坚持了很久的习惯每周五做完“周清”以后我会专门留二十分钟把本周留下来的一两篇论文的 v1 和 v2 对比看一遍。作者在修改稿中改了哪些表述、补了哪些实验、回应了哪些质疑往往比论文正文还能说明这个方向的真实瓶颈。刚开始做这件事的时候会觉得枯燥坚持一段时间以后你会发现它对判断“这篇论文值不值得继续跟”特别有帮助。追论文这件事慢就是快少就是多。希望这套方法对你也有用。