교수님께서 정말 꼼꼼히 봐주시는데요, 제 모델의 약한 점을 짚어 주실 때마다 제 모델의 민낯이 여실히 드러나는 가운데 정말 제 모델의 contribution이 약한 것 같아 마음이 괴롭습니다.
신체적인 피로감은 익숙해져서 괜찮은데 제 자신이 정신적으로 스스로를 힘들게 하는 것 같습니다. 스트레스가 이만저만이 아닙니다.
a method , b method , c method일부를 합하고 a' method + b' method + c' method 즉 a,b,c를 a' b' c'로 각각 조금씩 개선 시킨 것에 불과해서 그런지
리젝에 대한 걱정은 당연하고 리뷰어들이 제 걱정 거리들을 속속들이 모두 간파해서 "어 이거 어디서 가져온 method네 그냥 베낀거 아니야? Novelty가 없네?" "a에서 조금, b에서 조금 등등 적절하게 짜깁기한 수준에 불과하네" "재현 되기는 하는 것임?"
등등 걱정이 많습니다.. 작년에 표절 관련해서 큰 사건도 있었으니까 더더욱이요. 제가 첫 해외 학회 논문 도전이라 경험도 제대로 없고 리뷰어들이 얼마나 깐깐하고 타이트하게 제 논문을 평가 하는 지를 모르겠어서 걱정이 되네요.
교수님께서는 너가 모델링을 했고 너 스스로가 제일 잘 알기 때문에 주관에 너무 빠져버린 탓에 드는 걱정일 수도 있다고 하시는데 받아들이기 힘듭니다. 모델 성능은 기존 것들에 비해 꽤 차이를 낼 정도로 올려뒀는데, 이것 때문에 제 연구 결과의 novelty를 확신할 수가 없습니다.
혹시 저와 같은 고민을 해보신 분들 계실까요? 계신다면 어떻게 이겨내셨는지 조언을 구해도 될까요?
긴 글 읽어주셔서 감사합니다..
카카오 계정과 연동하여 게시글에 달린 댓글 알람, 소식등을 빠르게 받아보세요
댓글 15개
IF : 1
2023.01.23
저자인 자신이 Novelty를 확인하고 투고한들, 리젝날로올수도 있습니다. 일단 지금하는일 최선을 다해 마무리하고, 부족한 부분을 보완하며 꾸준히 연구를 이어나아가는게 연구자의 삶 아닐까요?
대댓글 1개
상처받은 르네 데카르트작성자*
2023.01.23
맞습니다. 사실 의연하게 생각하는게 제일 바람직한 마음가짐인데, 알면서도 어렵네요. 성장하는 과정이라고 생각해보겠습니다. 좋은 댓글 감사합니다.
2023.01.23
셰계적인 석학도 리젝을 밥먹듯이 받아요.
대댓글 1개
상처받은 르네 데카르트작성자*
2023.01.23
감사합니다.
2023.01.23
제 생각에는 '모델 성능은 기존 것들에 비해 꽤 차이를 낼 정도로 올려뒀는데' << 이게 확실하다면 좀 더 자신감 가지셔도 된다고 봅니다. 불안하다고 해서 연구한 것 버리고 새로 할 것 아니잖아요? 연구자 본인이 자기 연구에 대해 자부심을 가지지 못한 상황에서 쓴 논문은 리뷰어들을 설득할 수 없다고 생각합니다. 그럼에도 불안하시다면 좀 더 포장할 수 있는 방법이나, 이 실험이 조건이 많이 붙지 않는 일반적인 상황에서 진행된 것임을 확인시킬 수 있는 방향을 고민해보시는게 어떨까요? 좋은 성능이 스스로 유리한 상황을 만들어서 비교한 것이 아니고, 매우 보편적인 상황에서 이루어진 실험이라는 것을 확인 시킬 수 있다면, 그리고 그 실험의 절대적인 결과가 확실한 비교우위에 있다면 언제나 승산은 있다고 생각합니다.
대댓글 1개
상처받은 르네 데카르트작성자*
2023.01.23
우선 좋은 댓글 주셔서 감사합니다.. 네 일단 성능은 앞구르기해도 잘나오고 뒷구르기해도 잘 나옵니다.. 오히려 연구실 gpu 리소스 제약 때문에 다른 paper의 모델보다 악조건의 batch size를 가지고 실험해도 성능이 좋게 나와서. 성능 면에서는 부정의 여지 없이 희망적이지만 선생님께서 댓 달아주신 것처럼 기존 연구에 대한 디펜던시가 조금씩 있다보니 그게 끝내 마음에 걸리네요.. 즉 성능은 올렸지만 동기와 과정에서 기존 연구의 흐름에서 많이 참신한 것을 어필하기가 어렵기 때문입니다..
음 그나마 Ablation study에서 최대한 기존 연구에서 쓴 모듈과의 성능 비교 (예를 들자면 a를 통해 개발한 a'와 a의 비교 등)를 많이 넣는 방식으로 진행하고 있습니다. 댓글 감사합니다...!
2023.01.24
성능이 잘나오면 포장 싸움임. 대충 느낌이 컴퓨터비전인거같은데, 처음 논문쓸때는 아 이게맞나 싶어서 논문 낼때도 불안했음. 근데 몇 개 되고나서 느껴보니 일단 성능 잘나오고 포장 그럴듯하게 하면 쏴보는거임. 논문 퀄리티가 어느 커트라인 이상이면 그다음에는 리뷰어 운빨 싸움임. 그런데 그 운빨이라는게 학회들마다 살짝살짝씩 bias가 있다는거. ICML은 좀 더 이론쪽이라던가 CVPR는 좀더 실험에 집중되어있다거나
이쪽분야는 그냥 난사임. 기회가 오면 연구가 좀 미완인듯 하더라도 일단 쏴보는걸 추천함. 워낙 빠르기때문에 다음학회로 가야지 했다가 더좋은게 나와버리면 하늘이 노래짐. 노벨티 걱정, 실험 부족 걱정 이런거 제껴두고 Due까지 미친듯이 달린다음에 무조건 submit
대댓글 2개
상처받은 르네 데카르트작성자*
2023.01.24
ㅋㅋㅋㅋㅋㅋㅋㅋ정말 제 마음을 잘 아시는 것 같습니다. CV쪽 맞습니다. 내는 학회는 SIGIR인데, 이쪽은 선호하는 방향이 어떠한지 고견을 여쭙고자 합니다.
특히 더 좋은게 나와버리면 -> 이게 제일 걸립니다.... 제가 하는 분야는 정말 점수 싸움 시간 싸움이라서 진짜 이번에 좋은 결과를 얻는게 간절합니다.
뼈 때리는게 아니라 마사지까지 해주신 댓글 정말 감사합니다. SIGIR에 대해서도 혹시 아시는 바가 있으면 귀띔해주시면 감사합니다..
2023.01.27
그쪽은 잘 모르겠네요.. 근데 대부분 머신러닝 학회들은 성능좋으면 포장싸움이에요
용감한 존 스튜어트 밀*
2023.01.24
애초에 연구 주제 자체가 novely가 뛰어나 스쿱당할 염려가 없으면 모를까 남들이 많이 하는 주제 하고 계시면 얼릉 내세요. 성능 잘나온게 어딥니까? 한국인들 대부분 기존 것들 살짝 살짝 변형해서 내니 걱정 노노
대댓글 1개
상처받은 르네 데카르트작성자*
2023.01.24
좋은 격려의 말씀 감사합니다. 열심히 최선을 다해보겠습니다! 정말 감사합니다.
귀여운 마리 퀴리
IF : 1
2023.01.24
Novelty는 님이 판단하는게 아니고, 남들(리뷰어)이 알아서 평가해줍니다. 마찬가지로 논문의 영향력과 인용도 결국 님이 아니라, 남들이 알아서 평가해줍니다. 별 생각 없이 버려뒀었던 아이디어로 엉망진창 투고한 논문이 훗날 인용수가 가장 많은 주력 논문이 되는 경우도 흔치 않구요. 본인이 스스로 그런 걸 예측하고 평가하는 것 자체가 나중에 돌이켜보면 들어맞지 않을 가능성이 매우매우 높습니다.
저도 초반엔 전전긍긍하다가 이제는 '니들이 알아서 평가해 줘, 난 그냥 논문 계속 쓸게' 라는 마음가짐으로 투고를 많이 하는데 제일 마음도 편하고, 성과도 잘 나오더라고요.
대댓글 1개
상처받은 르네 데카르트작성자*
2023.01.26
좋은 조언 및 격려 감사합니다. 열심히 남은 기간 최선을 다하겠습니다.
2023.01.24
Cv유명 학회에 나온 work들도 incremental한 논문이 엄청 많습니다. 그런 논문들의 review process를 찾아보시고 자신감을 가지시면 좋겠습니다.
2023.01.23
대댓글 1개
2023.01.23
2023.01.23
대댓글 1개
2023.01.23
2023.01.23
대댓글 1개
2023.01.23
2023.01.24
대댓글 2개
2023.01.24
2023.01.27
2023.01.24
대댓글 1개
2023.01.24
2023.01.24
대댓글 1개
2023.01.26
2023.01.24
대댓글 1개
2023.01.26