知乎上有一个提问“计算机视觉领域如何从别人的论文里获取自己的idea？” 非常有意思，这里也总结下：
Cheng Li的回答：找40篇比较新的paper，最好是开源的、你能看懂的、尽可能时髦的、大佬点赞的。然后画一个40*40的矩阵，对角线上的元素不看，还剩下1560个元素。每个元素看看A+B是不是靠谱，虽然可能99%都不靠谱。但是还是有可能筛出来15篇左右的idea，如果考虑交换性可能只有7篇也够了。或者你找40篇比较新的不是你发的oral paper，再找K篇自己的paper，也可以做这个事情，这样就不用排除对角元素了。补充：如果只是A+B需要说明为什么是non-trivial的，一般至少要改成A+B' 或者A+B+C比较容易发。
匿名用户：上面作者的答案看似调侃，但可操作程度很高，甚至很多组就在这么做。不同的是可能是从多个方向取才然后交叉，效果更佳。如果提出了新颖的、效果不错、但无法理论证明的想法（尤其我做的是无监督学习+不平衡数据+集成学习），那这种文章大概率会被毙掉。审稿人有太多方向可以攻击你，比如缺少可靠的baseline，理论不够坚实等等，即使偏应用的数据挖掘会议也不能幸免。反而是那种几个领域交叉一下，你可以说我们把A用在了C上，并借鉴了B，效果拔群。理论基础可以参考文章[1,3,4]，剩下的就是加工一下motivation，跑试验证明效果好就可以了。这种套路可行吗？可行，因为我也干过。但为啥要这么做呢，主要还是因为现在投稿数量上升导致的审稿人质量方差大，这导致你必须考虑审稿人能够意识到这文章是背靠大树，踩在前人的肩膀上，靠谱。
邵浩博士：读完非常大量的论文，就会有一些对这个方向的概括性的了解，也会发现这个方向上还没有做好的问题，idea也就自然而然出来了。写论文，无非是四个层面：1）新问题，新方法；2）新问题，老方法；3）老问题，新方法；4）老问题，老方法。从四个方面都可以入手。比如说某篇论文做的是行人识别，用了算法是YOLO3，那么你是不是可以：1）做一个手上拿电脑包的行人识别，改进一下YOLO3，搞一个自己的YOLO3+的算法；2）做一个手上拿电脑包的行人识别，还是使用YOLO3，用大量的实验证明有效性；3）做一个传统的小猫识别，使用改进后的YOLO3+算法。归根结底就一点：读大量大量的论文！
总之，这些回答启发我们，一定要大量的泛读，哪怕听看看标题，看看摘要。论文重要的其实是角度，要非常快的看思路，特别感兴趣的，再去精读。