对于论文er来说，找创新点永远是写论文过程中最闹心的阶段，整天读论文找灵感，看起来很忙，一看文档还是空空如也...今天就给大家分享一些大佬们找创新点的思路！
如何高效寻找论文创新点？其实最常见的就是“拼接”。关于这点，谷歌大佬@甜菜欣欣(知乎)总结道：
传统时代：
- 微改网络结构 + 旧数据集 = 我发明了新的网络结构
- 旧网络结构 + 新数据集 = 我开源了新的数据造福人类
- 跑了一堆微改的网络结构，找到那个0.3%领先的 = 我大大改进了现有网络结构
- 旧网络结构 + 旧数据集 + 新的应用领域 = 我开辟了深度学习在X领域的应用
- 旧网络结构 + 旧数据集 + 新的评估方法 = 我认为这样评估模型更合理
- 微改网络结构（视觉transformer） + 旧数据集 + 新的应用领域
参考论文：Fast and Interpretable Face Identification for Out-Of-Distribution Data Using Vision Transformers
方法：论文提出了一种基于双图像Vision Transformers的人脸识别方法，通过跨注意力机制提升遮挡人脸的识别准确率，且速度快于现有技术，同时可视化解释能力强，帮助用户理解模型决策。
像何凯明的Resnet这类原创idea，都是大佬级别才能想出来的，大部分人发文章就是如上A+B+C模式，几种方法拼接在一起达到sota，照样发顶会顶刊，所以各位急需idea的同学，不妨多试试“排列组合”。
为了方便大家练手，我特别整理了150个常用有效的即插即用模块，包括多尺度、注意力机制、卷积...代码都是可复现的。
扫码添加小享，回复“
创新点25”
免费获取全部即插即用模块(论文+源码)
这两年，大模型时代开启，也新增了一些方法：
- 旧的网络结构 + 旧数据集 + 加大算力 = 大力出奇迹
- 旧的应用领域 + 新出的大模型 = 站在巨人的肩膀上
参考论文：Segment Anything Model for Road Network Graph Extraction
方法：论文提出了一种名为SAM-Road的方法，用于从卫星图像中提取大规模道路网络图。它通过语义分割预测道路几何形状，并用轻量级Transformer预测道路拓扑结构。该方法速度快、精度高，比现有方法快40倍，且无需复杂后处理。
如前文所说，“拼接”也可以发顶会顶刊，这其中最重要的是要好好包装，讲好一个故事才是重中之重。平时更要多看多想，先看看别人怎么做，然后根据自己的实际情况“开拼”，最后把方法写好一点，润色一下论文，好的journal不愁！
为了帮大家更好地去写论文，我还整理了一份SCI论文的写作模板，包含了写作技巧、投稿、插图规范等等，另外还整理了60篇高质量涨点论文给同学们作参考，开源代码也附上了，争取从各方面帮助大家提高论文的质量和发表的成功率！
扫码添加小享，回复“创新点25”
免费获取SCI写作模板+参考论文
