深度学习把两篇论文的方法拼接在一起，效果实现了新的sota，可以发论文吗？

是时候拿出我收藏很久的学术表情包了：

传统深度学习时代，常见的论文开题方式有——

• 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》

题主的方法，是很常见的第一条模式，微改网络结构。

以上方法有一些变种，比如我 WACV 2024 论文《Fast and Interpretable Face Identification for Out-Of-Distribution Data Using Vision Transformers》，属于微改网络结构（视觉transformer） + 旧数据集 + 新的应用领域（人脸识别当中比较少见的像戴口罩这样的例子）。

这两年，进入大模型时代以后，又增加了一些新姿势——

• 旧的应用领域 + 新出的大模型 = 《站在巨人的肩膀上》
• 旧的网络结构 + 旧数据集 + 加大算力 = 《大力出奇迹》

比如我 CVPR Workshop 蕞佳论文《Segment Anything Model for Road Network Graph Extraction》，属于旧的应用领域（道路分割问题） + 新出的大模型（分割大模型SAM）。

写了一大堆同一领域的论文以后，还可以写综述（survey），整理该领域所有论文并提出见解。好了好了，本水怪先溜了。。。