另外悄悄八卦一下，John Wright et al的文章其实07年就发到ICCV了，结果被惨剧，再投NIPS，又悲剧，接连折腾好几次，直到PAMI都发出来，才被会议接纳。这个故事很适合拿来共勉。希望那些正在做重要工作，但是在conference屡败屡战的朋友们能够坚持住。

我跑过基于sparse的一个跟踪算法，感觉也有点慢。

如果这东西真的能满足实时要求那就太爽了。

第二次再看是很久之后，因为tutorial了一下compressed sensing （CS），突然回忆起似乎有个sparse的人脸识别方法。这次再看，就能注意到文章引用的很重要的一个结论：l1范数约束下的极值问题，其解是稀疏的。它是整篇文章的灵魂，也是唯一的理论基础，正式CS的一个重要结论之一，其它的内容都是实验性的。题外话，当前CV界很喜欢把现成的、新的结论拿过来用，这当然也是创新，正所谓，“方法本天成，妙手组合之”。

于是如法炮制，sparse被用到很多CV的问题，比如识别、跟踪、超分辨率等等。这两年做sparse的人越来越多，CVPR‘2010就有很多篇我期待的文章。但总觉得大家都是在硬套sparse，为什么不直接从CS出发，CS的每个细节到了CV里都要customized的，这也是很亟待解决的问题。

我目前的理解是sparse的优点和缺点都很明显：有了它问题的表述和解决都超级简单，但优化过程要用线性规划，速度有点慢。

很看好的它（是CS不是sparse）的前景，发展好了就是划时代的。