以26年9月初做的大组会ppt：INSID3为例，素材/组件库可以去“/Users/mokaiche/Documents/files/04-Archives/ppt/PPT素材库.pptx”，🤖表示这里可以用 AI 去做

一、找文献

1. 选择标准：顶会顶刊的oral➕社区评价高（ 代码高星高fork）➕自己熟悉领域➕可复现性
2. 提示词参考（建议使用网页版 chatgpt，可以拿到github 仓库）：

Q1:找到 CVPR-2026-Oral 文章的。帮我把这些 Oral 文章列出来，主要说明： 1. 大概的数量； 2. 属于哪些领域； 3. 为什么呀？
Q2:列出 lection / Segmentation / Recognition / Tracking 领域下的 所有30 篇文章表
Q3:我对Segmentation 感兴趣，列出这七篇
Q4:他们都有代码仓库吗？如果有，可以根据代码仓库的 star 量和 fork 量作为一个权重，再讨论一下其他权重。综合几个权重特征，对他们进行重要性排序。

二、做 ppt

具体组成及规划建议

总共五大部分：概览、任务定义、方法机制、实验效果、总结（拓展｜思考｜启发）

先把最难做的核心部分（方法及效果）先做好,不发散

具体步骤

1. 先看懂文章本身，做核心部分：方法机制-实验效果

1. 新建chatgpt项目（网页端），将文献pdf上传其中🤖，然后整个项目可以分为这几个对话，从p1开始，做完p1了以后，就在p1的结尾分支，然后在新会话里面命名为“P2：实验效果”。

大组会/
├── p1:方法机制/
├── p2:实验效果/
├── p3:任务定义/
└── p4:总览和总结/

2. 最难的部分：先去读懂方法机制，从方法部分的所有数学公式以及图表（尤其 pipeline）出发，询问chatgpt：“如果你要去讲这篇论文，你会把这个论文的方法部分为几部分讲述，然后每一部分的会用到哪些数学公式以及哪些图表？”通过这个问题以及这个问题的延伸，弄清楚方法的整体流程，以及每一步的动机和具体做法。然后这一部分的 PPT 可以由以下这几部分排列组合而成（⚠️记得去素材/组件库里找找有没有合适的搬一下）
   1. 自然段串讲（用一段话把核心的数据流讲清楚，当涉及到一些数学符号的时候记得标明，一是要标明在自然段中。 二是要最好标明在 pipeline 中）
   2. 算法的横向/纵向流程框图：带数学公式｜步骤标题｜每步产出（todo：感觉可以用花括号在某几步下方标注，通俗易懂的说明这一步的具体目的）
   3. 带框标注的pipeline 图
3. 难度中等的部分：再去做实验效果
   1. 实验配置: 数据集表格｜训练参数｜评估协议（数据集表格可以用 AI 生成🤖）
   2. 对比及消融：这一部分的图表基本上你问 ChatGPT，它都会给你，按照这个语义聚类一下啊，聚类成几个对比实验加消融实验。这部分一般都蛮好做的，只需要你的文字足够简洁且信息量足够高就好了。（🤖这一部分可以让 AI 去帮美化一下表格，比如说去除这个白色的背景，替换为透明背景，然后把一些表头用不同的颜色标注出来，然后有一些重点行可以替换一下底色。）

2. 再去反推和发散：任务定义-总览/总结

1. 先做“任务定义”，可以考虑以下页面的排列组合
   1. 必要的前置工作解读（可选）：比如 DINOv3 等
   2. 任务定义（必选）：
      1. 一句话讲清楚任务的定义：包括输入输出及目标
      2. 通过场景列举讲明必要性
      3. 给出图例
   3. 任务辨析（和其他相近任务的辨析）
2. 再做“概览/总结”（总结就是概览，概览就是总结，复制粘贴两页相同的就行了），只做一页，考虑以下信息的排列组合
   1. 本文针对的任务及想实现的效果
   2. 方法机制的串讲
   3. 具体实现的实验效果（选最关键的几点来讲）：参数量、性能、泛化性以及可复制可扩展性