整理自Thomas Funkhouser’s ACM SIGGRAPH Awards Talk（2014）
虽说是以计算机图形学为背景进行的演讲，但对于类似的科研问题同样具有启发性，遂稍作整理。
问题定位
这部分挺具有指导意义。
科研选题可以从以下四个角度出发：
- 现有方法改进(Improve Existing Methods)
适合作为研究生阶段的第一个工作展开，与相似的工作进行比较，少量创新。
- 对现有问题提出新方法(Develop New Approaches to Existing Problems)
在对一个问题内的研究方法理解透彻后，可以尝试提出与前人完全不同的方案。
- 定义新问题
对于领域内未经深入探讨过的问题，确定问题模型。
- 扩大问题域
尝试利用本领域内的技术或方法，解决领域外的问题，从而扩大领域研究范围。
跟随趋势
计算机领域每3-5年会有一次影响深刻的技术变革，或者叫行业趋势（比如2012年开始的神经网络），大量工作会围绕这个新技术或趋势展开。高速上升期后，也会来到一个瓶颈期，迎接下一次上升期。
适当迎合趋势能够得到同行认可。有深入积累后，尝试大胆预测技术走向（甚至..做出开创趋势的工作）
算法之外
许多工作偏向于围绕算法优化展开（特别是计算机图形学，作者注）。算法固然重要，但实际科研工作不能将视野完全局限于此，其他很多有价值的工作也值得尝试。例如：
- 设计系统
- 建立数据集
- 设定基线（benchmark）
- 定义问题
- 证明定理
-
写调研（文献综述）
- …
参与实践
Real applications are helpful and fun.
演讲者用「toy」来形容研究生自己开发的小系统——虽然有趣，但相比业界的应用差距甚远。因此鼓励学生找到合适的项目，加强与业界的合作，真正参与到实践中。特别是那些交叉方向的应用，更exciting
团队驱动
好的科研离不开好的团队，这部分基本是演讲者的致谢，略过。