早上打开ArXiv的CV板块刷一遍新论文，已经成了我这几年雷打不动的习惯。有朋友问我，每天更新这么多论文，真的每一篇都值得看吗？我的回答是：不是每一篇都值得精读，但你必须每天都扫一遍，因为计算机视觉这个领域的变化速度太快了，一篇preprint可能在三周后就变成某个开源项目里最重要的模块，也可能代表某个方向即将爆发的信号。这篇就把我平时追踪ArXiv CV论文的思路、工具和当天的扫描结果整理出来，给同样在搞深度学习视觉方向、想保持前沿敏感度的同学做个参考。
做这行的人应该都有体会，看论文最怕的不是看不懂，而是不知道看什么。ArXiv每天新增的论文数量早就不是人工能逐篇读完的量级，尤其CV方向，涉及检测、分割、生成模型、3D重建、自动驾驶感知、多模态学习，随便一个子方向都有几十篇更新。我把自己这套“每日扫描+周度精读”的流程跑通之后，最大的变化就是不再焦虑了——有的放矢地筛选，比囤积几十个待读标签更有效。这篇会从订阅方式、筛选策略、当日重点内容、阅读笔记、踩坑经验几个角度展开，希望能给你一点启发。
1. 为什么每天要亲自扫一遍ArXiv的CV论文
1.1 刷ArXiv和读论文是两回事，前者是雷达
我见过很多刚开始做研究的同学，把“刷ArXiv”等同于“读论文”，结果每天花三四个小时，读得又慢又累，最后还没记住多少。其实这两个动作的价值完全不同。读论文是深挖单个工作的方法、实验和动机，而刷ArXiv更像是在开雷达——你要做的是快速判断：这篇跟我的方向有没有关系？这个方向最近有没有新的变化？哪个子领域的热度在上升？雷达不需要每个光点都放大看清楚，但你要知道哪个方向在亮。
CV领域的会议周期普遍较长，从投稿到发表往往跨越半年以上，很多真正的前沿工作其实都是以preprint形式先挂在ArXiv上跟大家见面的。如果你只盯着会议论文看，看到的东西至少滞后两个月，这在快速迭代的领域里是很要命的事情。我身边做工业落地的人更直接，经常是昨天看到某篇新方法，今天就要评估能不能用到自己的pipeline里。这也是为什么我坚持每天扫一遍，而不是每周集中看一次——等周末再回头，可能别人已经基于新方法出了第二版更新。
1.2 我试过的几种订阅方案，以及它们的差别
很多刚入坑的同学问“ArXiv怎么订阅”，这里先统一说下我实践下来比较顺手的几种方式，按从省事到可定制排列。
| 方案 | 操作方式 | 优点 | 缺点 | 适合人群 |
|---|---|---|---|---|
| 官方邮件提醒 | 在ArXiv上按分类订阅，每日定时接收 | 零成本、稳定、不会漏 | 邮件量大、分类粒度粗，容易淹没关键信息 | 刚开始追踪论文的新手 |
| RSS订阅 | 用Feedly或FreshRSS添加ArXiv某分类的RSS源 | 阅读界面统一、可跨平台同步 | 同样存在量大问题，需要二次筛选 | 喜欢集中管理信息流的读者 |
| 关键词筛选服务 | 如ArXiv-Sanity、Connected Papers、Semantic Scholar | 可以按关键词和相似度排序 | 需要配置和维护，部分服务不够稳定 | 研究方向明确、有长期关注主题的人 |
| 个人脚本抓取 | 用ArXiv API写个简单脚本，每天拉取标题和摘要 | 完全可控，可以接自己的筛选规则 | 需要一点代码基础，要维护脚本 | 有编程能力且愿意折腾的从业者 |
我个人目前是“RSS为主、关键词为辅助”的组合：RSS先承接每天的全量更新，然后在自己的阅读器里按已有标签做一轮粗过滤。这样做的原因很朴素，ArXiv本身的分类标签（比如cs.CV）粒度太大，同一个分类下有做检测的、做生成的、做三维视觉的，全塞在一起根本看不过来。按自己的关键词和作者列表过滤一遍，剩下的量就相对可控了。
还有个小提醒，很多人在用Python做视觉项目时都会对“为什么cv库都是cv2”感到疑惑，这里顺带说一嘴：Python的OpenCV绑定模块名从OpenCV 2.x时代沿用至今，所以不管你现在用的是OpenCV 4还是更新的版本，import时写的还是cv2。这个跟刷论文关系不大，但经常被新同事问到，就当题外话记一下。
2. 我的每日论文筛选流程：三分钟决定一篇值不值得打开
2.1 先看标题、摘要和图表，不急着看全文
很多人在筛选阶段就开始逐字读Introduction，这是最浪费时间的地方。我的习惯是，每一篇候选论文只花三分钟做三轮判断：先扫标题，判断子领域是否对口；再读摘要，确认核心贡献和主要结果；最后扫一眼图表和伪代码，搞清楚方法的大致套路。如果这三轮都过不了，那就直接跳过，不需要有负罪感。
这里有个容易被忽略的细节：图表往往比摘要更能反映一篇论文的真实水平。有些摘要写得天花乱坠，但一看实验表格，baseline选得不对、对比方法陈旧、消融实验缺失，这篇工作的可信度就要大打折扣。反过来，有些论文摘要低调，但方法图和表格做得非常扎实，这种往往是干货。我也不想把话说得太绝对，但看了几千篇论文之后，这种直觉还是可以信一信的。
2.2 关键词订阅和作者追踪，搭建自己的“人肉推荐系统”
ArXiv官方邮件订阅只能按大类走，但真正好用的筛选一定是要自定义的。我长期维护一个关键词列表，里面包含三个层次的东西：第一是领域术语，比如object detection、semantic segmentation这类稳定的研究方向；第二是方法术语，比如diffusion model、vision transformer、3D Gaussian Splatting这类某个时期的重点潮流；第三是应用场景词，比如autonomous driving、medical imaging这些跟你实际项目强相关的东西。
作者追踪同样重要。每个子领域其实就那么十来个组在持续产出高质量工作，把一个作者在ArXiv上的主页设为常驻标签之后，他们一有新preprint，你基本第一时间就能看到。我不太建议盯太多作者，三五个核心组足够了，否则每天光是这些人的产出就够你看一小时。对比工具的话，ArXiv-Sanity可以看相似论文，Semantic Scholar可以看引用关系，但我实际使用频率最高的是ArXiv官方API写的一个小脚本：每天固定时间把cs.CV下的新论文拉到本地，按我的关键词权重排序，输出一个精简清单。这个方法看起来麻烦，但长期用下来节省的时间远比写脚本的时间多。
2.3 筛选时我会在心里默念的三个判断标准
第一，这篇工作在解决什么问题，以及这个问题对我重不重要。CV领域的论文非常多，多到很多工作其实是在重复解决别人已经解决的问题。第二，方法的新颖度是真正的增量，还是换了个数据集重新报数。第三，复现的难度和成本，如果代码没开源、训练需要几十张卡、数据还得自己爬，那我大概只会做标记而不会优先读。
有一个坑我踩过不少次：看到某个标题很惊艳，点进去发现是套了一个新名字的旧方法，或者把多个已有模块组合了一下，实验只在两个玩具数据集上跑——这种论文基本可以快速跳过。不是说组合式创新没有价值，而是ArXiv上的信息太密，你必须在有限时间里把注意力留给真正有增量、有启发性的工作。为了弥补误杀，每周我会抽一个晚上，把这一周所有被跳过的论文标题再快速过一遍，看有没有因为标题起得差而被我忽略的好内容。
3. 2026.09.16这天的扫描记录：哪些方向在升温
先声明一下，我写的只是我当天在ArXiv上看到的更新中，我标记出来值得细读的方向和典型工作类型，具体每一篇的完整解读会另开文章。这里我更想传达的是：面对大量更新时，该怎么定位重点。
3.1 生成模型效率优化：多个工作不约而同往一个方向使劲
这几天的更新里有大量工作集中在生成模型的效率优化上，包括扩散模型的加速采样、自回归视觉生成模型的KV Cache压缩、以及轻量化的条件控制模块。它们的目标都很一致：在不明显掉效果的前提下，把生成速度提上去、显存压下来。这个信号其实很明显，说明生成模型正在从“能不能用”走向“怎么能低成本地用”，尤其是面向端侧设备的部署方向，相关的量化、蒸馏、早退策略层出不穷。
我看这类工作的时候，习惯把速度提升的数字放在一边，先看它们是在什么分辨率、什么硬件条件下测的，用的步数是否跟基线一致。有些论文把采样步数从50步压到16步，报了一个很漂亮的加速比，但如果你用的是别的分辨率或别的数据集，那个数字基本没有参考价值。相比之下，我更看重工作是否做了跨设置的分析，比如在不同CFG幅度、不同分辨率下测过稳定性，这种泛化性实验是判断方法是否扎实的重要依据。
3.2 3D重建方向越来越强调动态场景和物理一致性
另一块变化比较明显的是三维视觉。过去几天ArXiv上关于3D重建的论文，已经从静态场景重建大规模转向动态场景建模，包括人体动作序列、可编辑的数字资产、以及带有物理约束的材质估计。这个趋势其实不是突然出现的，但2026年这个时间点，相关工作的成熟度明显高了一个台阶，很多都给出了实时的展示视频和可交互演示。
我个人的体会是，动态3D重建的难点已经不只是几何重建本身，而是怎么把运动先验、物理规律和外观估计揉到一个统一的框架里。很多工作引入了接触约束或者刚体运动假设，来减少动态重建中的模糊性。这个方法方向上，SDF和3D Gaussian的混合场景表示也变得越来越常见。如果你正在做自动驾驶仿真或者数字人相关的工作，这一周的内容应该重点关注，有的工作已经直接开放了交互式demo链接，下载试一下比读十页公式都管用。
3.3 视觉语言模型的评测和对齐，开始往细颗粒度下沉
多模态方向上的更新同样密集，尤其是VLM的评测与对齐。除了常规的视觉问答、指代表达理解这类任务，我看不少新工作开始关注更细粒度的感知能力，比如数量判断、空间关系推理、小目标识别，以及视觉模型在不同语言指令下的表现差异。这种趋势背后其实是对VLM“偏科”现象的回应——很多模型在标准benchmark上分数很高，但一旦涉及细粒度认知任务就明显吃瘪。
除此之外，把VLM用于数据标注和自动pipeline的工作也在增加。比如用大模型给图像生成细粒度描述，再用这些描述训练或微调下游视觉模型。我在这类工作里比较关注的是生成描述的一致性和错误率，因为自动生成的数据一旦存在系统性偏见，下游模型就会在无形中被污染。顺带一提，深度学习CV相关的Python库使用里，cv2这个导入名常被新手误解，但这类小问题在网络上一搜就有答案，真正值得花时间的是理解图像处理在模型训练数据管线中的位置。
4. 读完一篇论文，怎么把它变成自己的东西
4.1 我的三遍阅读法和笔记结构
筛选完当天值得读的论文，接下来就是精读。我从来不会只读一遍，也不觉得读一遍就能理解到位。我的习惯是至少读三遍：第一遍是快读，搞明白论文的背景、动机、核心方法和大致结果；第二遍是细读，把方法部分的每一个公式、每一个模块的作用和关联搞清楚，能画出pipeline图；第三遍是批判性阅读，带着“这里是不是有没说明白的细节”“这个对比是否公平”这样的问题去重看实验和实现。三遍过后，这篇论文才算真正进入我的脑子。
笔记方面，我不太喜欢长篇大论地摘抄，而是每次都按照固定结构记录：要解决的问题、方法的三个关键点、跟最相关工作最大的差异、实验中有意思的发现、以及我能联想到的改进方向。这个结构帮我做了很多年的知识管理，现在回想起来，很多项目里用到的灵感都是当初某篇论文笔记里不经意记下的一个想法。我强烈建议所有人都维护一个自己的论文笔记库，不需要什么花哨工具，一个带标签的Markdown文件夹就足够。
4.2 复现之前，先想清楚这篇值不值得复现
读论文和复现论文之间，隔着很大的成本差距。有些论文的代码写得很规整，环境配置十分钟能搞定，跑一跑就能验证关键结论；有些论文的repo是研究代码，文档缺失、依赖冲突、训练脚本靠运气才能跑通。我的判断标准大概是这样的：如果这篇论文跟我的项目高度相关，或者提出了一种明显可以迁移到我的场景里的新模式，那就值得花时间复现；如果只是“有点意思、离实际应用还很远”，那我更愿意把它放进收藏夹，等它后续更新或者别人复现出可用版本再说。
实际复现的时候，我一般会先跑作者公开的预训练模型过一次推理，确认输入输出格式和预期效果，然后再决定要不要做训练侧复现。这样做的好处是能快速建立对方法的直觉，而不是一上来就被训练脚本和日志输出淹没。另外，对于那些只提供了demo视频、没有开源代码的工作，我会特别留意它们有没有详细的伪代码或结构图，如果有，我可以自己搭一个简化版本当消遣。这个过程不一定非要成功，但至少让我把原理亲手走了一遍。
5. 坚持盯ArXiv几年之后，我踩过的坑和调整过的习惯
5.1 信息过载是常态，关键不是“看得多”而是“筛得准”
刚开始做每日更新的时候，我犯过很典型的错误：想把所有论文都至少看一遍标题，结果就是每天花两三个小时在这上面，研究正事的时间反而被挤掉了。后来我才想明白，ArXiv上的信息密度已经远超人脑的处理能力，面对这种情况，正确的策略不是全量扫描，而是建立一套足够精密的过滤机制，同时容忍一定的漏检率。
我现在每天花在ArXiv上的时间大概是四十分钟，其中前十几分钟做全量粗扫，后面半小时只处理被筛选出来的重点论文。这种节奏持续了快两年，最大的收获不是“看过了多少篇”，而是对自己研究方向的脉络有了更清晰的感觉——你会慢慢知道哪些问题已经被解决得差不多了，哪些地方还有明显的空白，哪些新方向只是昙花一现。这种感觉很难用具体论文数量来衡量，但对研究方向选择非常有帮助。
5.2 不要被“最新”绑架，高质量的老论文值得反复读
ArXiv的更新速度很容易让人产生一种错觉：只要每天都看，就能站在最前沿。但实际上，很多所谓的“新”论文不过是旧思路在新场景里的重新包装。相反，一些真正的经典工作，每隔一段时间读一遍，都会有新的收获。我现在会每隔半年重新翻一遍自己笔记库里被标记为“重点”的论文，看看随着时间的推移，我是不是对它们有了不同的理解，或者它们的方法是不是被后续工作推向了我当初没预料到的方向。
我也慢慢学会了给信息做减法。如果你的目标是深度掌握某个方向，那么每天精读一篇高质量论文，远胜于每天泛读十篇浅尝辄止。最近我甚至把每天精读的论文数量目标降到了三篇，但每一篇都会认认真真做笔记、跑实验、写总结，效果反而比之前囫囵吞枣时好得多。
5.3 分享是最好的二次阅读，固定输出让积累看得见
到这儿就得提一下，为什么我坚持做每日更新的分享。最开始纯粹是为了逼自己输出，因为一旦想到写出来的东西别人会看，读论文的时候就会更认真，笔记也会记得更完整。后来我渐渐发现，分享还有一个更大的好处：它逼着你把一篇论文从“我大概理解了”变成“我能清楚地讲给别人听”。这两者之间的差距，比大多数人想象的要大得多。
我的分享格式其实很固定：先给出当天值得关注的方向概述，再挑三到五篇重点论文做简明解读，文末附上我标注的值得精读清单。这套流程跑下来，每天大约消耗一个半小时，其中有四十分钟在筛选，三十分钟在读重点，二十分钟在整理输出。很多读者私信问我怎么做到坚持这么久，我的答案其实很简单：把这件事变成一个固定日程，而不是每次依赖意志力。我平时早上的第一杯咖啡是跟ArXiv的刷新同步的，等到咖啡喝完，当天的第一轮筛选也基本结束了。
现在这个流程已经稳定得不能再稳定了，我也从里面捞到了足够多的研究灵感和工程思路。如果你也想开始跟踪ArXiv上的CV论文，我给的建议是：不要试图一开始就搞一套特别复杂的过滤系统，先用最简单的邮件订阅跑两周，感受一下信息流长什么样，然后再慢慢加上关键词、作者和笔记整理。关键不是每天看多少，而是能不能持续地看、持续地记录、持续地输出。等这套节奏跑顺了，你会发现自己对这个领域的理解，正在以肉眼可见的速度变得立体起来。
