浙大彭思达：14.7K star 的科研经验指南开源了
ZJU pengsida: A 14.7K-Star PhD Research Experience Guide, Open-Sourced
一份从浙大实验室内部流出来的科研经验文档，现在有 14,700 颗星。
pengsida（彭思达）是浙江大学 zju3dv 实验室研究员，有 Deep Snake、Neural Body、PVNet、Animatable NeRF 等多篇 CVPR/ICCV oral 论文。learning_research 最初是给自己实验室同学写的内部指南，后来开放出来，成为中文计算机视觉科研社区引用最广的入门资料之一。
GitHub: https://github.com/pengsida/learning_research | ⭐ 14,700 | 无指定 license
五个核心技能
这份指南的主线是博士研究的五个核心环节：
1. 找到重要问题
不是找一个”有人没做过的问题”，而是找一个”做出来有价值的问题”。这是最难的一步，也是区分科研质量的关键。指南给出了从文献调研到问题定义的具体思路。
2. 提出解决方案
在理解问题边界之后，怎么设计方法。这部分涉及到如何构建直觉、怎么做 ablation 设计，以及如何把”感觉这样能行”转化成可以验证的假设。
3. 跑实验
不只是”跑通了就好”——包括如何设计有效实验、怎么快速定位实验失败原因、如何做对照组，以及如何保持实验记录。
4. 写论文
从 Introduction 的写法到 Related Work 的边界划定，再到图表设计。指南里有论文各部分的写作模板和反例分析。
5. 做报告
包括 poster、oral 和 rebuttal 的不同侧重点。rebuttal 部分对已在审稿阶段的论文有直接参考价值。
附加资源
- GAMES003 课程材料：与计算机图形学课程 GAMES003 联动的科研方法内容
- 讲座录像：多场关于科研基础和选题方法的录像，直接链接在 README 里
作者背景
pengsida 的代表性工作（均在 zju3dv 组织下）：
| 论文 | 会议 | Stars |
|---|---|---|
| Deep Snake（实例分割） | CVPR 2020 oral | 1,200 |
| Neural Body（体积人体渲染） | CVPR 2021 | 954 |
| PVNet（6DoF 姿态估计） | CVPR 2019 oral | 901 |
| Animatable NeRF（可动隐式神经头像） | ICCV 2021 | 525 |
这些论文覆盖从姿态估计到神经渲染的不同方向，都在各自领域有直接引用价值。
适合谁
- 刚入组的 CV 方向研究生，需要系统了解科研流程
- 有一定基础但论文投稿失败率高、不知道问题在哪的同学
- 想了解 CVPR/ICCV oral 论文的作者怎么看科研流程的人
⚠️ 仓库没有指定开源许可证，分享和引用时注意标注来源。内容以中文为主。
无指定许可证。pengsida/learning_research，浙江大学 zju3dv 实验室。仅供学习参考，引用请注明来源。
ZJU pengsida: A 14.7K-Star PhD Research Experience Guide, Open-Sourced
A research experience document that started as internal lab notes at Zhejiang University — now at 14,700 stars.
pengsida is a researcher at ZJU’s zju3dv lab with multiple CVPR/ICCV oral papers: Deep Snake, Neural Body, PVNet, Animatable NeRF. learning_research was originally written for his own lab students; after opening it up, it became one of the most-referenced entry guides in the Chinese CV research community.
GitHub: https://github.com/pengsida/learning_research | ⭐ 14,700 | No specified license
Five Core PhD Skills
1. Finding important problems Not “find an unsolved problem” but “find a problem worth solving.” The hardest step and the sharpest differentiator between research quality. The guide walks through literature review to problem framing.
2. Proposing solutions After understanding the problem’s boundaries: how to design a method. Covers building intuition, ablation design, and converting “this might work” into testable hypotheses.
3. Running experiments Not just “make it run” — designing effective experiments, diagnosing failures quickly, setting up controls, and maintaining experiment logs.
4. Writing papers Introduction structure, Related Work scoping, figure/table design. Includes writing templates and anti-patterns for each section. Rebuttal guidance for papers under review.
5. Giving talks Different emphases for posters, orals, and rebuttals.
Author Background
| Paper | Venue | Stars |
|---|---|---|
| Deep Snake (instance segmentation) | CVPR 2020 oral | 1,200 |
| Neural Body (volumetric human rendering) | CVPR 2021 | 954 |
| PVNet (6DoF pose estimation) | CVPR 2019 oral | 901 |
| Animatable NeRF (animatable neural avatars) | ICCV 2021 | 525 |
Who It’s For
- CV graduate students new to a lab who need a systematic view of the research process
- Researchers with a few projects but a high rejection rate who can’t diagnose where things go wrong
- Anyone curious how authors of CVPR/ICCV oral papers think about the research workflow
⚠️ No license is specified in the repository. Note attribution when sharing. Content is primarily in Chinese.
No specified license. pengsida/learning_research, Zhejiang University zju3dv lab. For reference only; credit the source when citing.
关于本站 · 免责声明
🍄 Mushroom Research Blog 是非营利、免费公开的个人科技观察博客与公众号 XStack18，不接受商业合作、不代表任何企业或机构立场，也不谋求商业利益。我们以个人视角客观中立地记录和分析 AI、Web3 等领域的最新模型发布与技术动态——不止转述新闻标题或二手信息，而是给出有独立思考的深入分析，希望帮更多人获得有价值的一手科技认知。
⚠️ 文中介绍的开源代码与模型，仅供学习交流与技术借鉴。它们大多仍处于早期阶段，有待进一步研究和验证，请勿直接用于工作或生产环境；如需采用，请先自行充分测试，并核实其许可证与安全性。
Open-source code and models featured here are shared for learning and reference only. Most are early-stage and still need further study and verification — please don't use them directly in your work or in production. Test them thoroughly and check their licenses and security first.
- 本站文章均为作者基于公开信息的个人研究与观点整理，不代表文中提及的任何公司、产品、模型的官方立场，未与其构成商业关联或合作关系。
- 科技行业信息更新极快，我们尽力保证内容准确、及时，但不对完整性、实时性做绝对保证，具体请以相关企业/项目官方公告为准。
- 文中引用的第三方商标、产品名称、图片、数据等版权归原权利人所有，我们会尽量注明来源；如你认为存在版权疑问或侵权，请通过下方邮箱联系我们，收到通知后会尽快核实处理（更正、加注来源或删除）。
- 文章内容仅为技术科普与个人观点，不构成投资、法律或其他专业建议，据此进行任何决策的后果需自行判断和承担。
📮 侵权 / 勘误 / 合作咨询：[email protected]
💬 评论与讨论
使用 GitHub 账号登录后发表评论