收藏来源
发现看的人有点多 （为了避免误导）感觉要补充说明下
如果只是A+B需要说明为什么是non-trivial的
一般至少要改成A+B’
或者A+B+C比较容易发
比如之前搞过一篇
其实是Unsupervised Landmark + VUNet的decompose + CycleGAN
如果只是前面两个term做到一半的时候试着投ICLR 就没成。。。
后来把CycleGAN的部分做完CVPR就中了。。。
（因为好像点赞的人很多我们后面整理一下自己的publication
，其实很多时候A+B’也可以做出还不错的想法）
原来回答：
我其实有个不错的想法。。。
找40篇比较新的oral paper
最好是开源的、你能看懂的、尽可能时髦的、大佬点赞的。
然后画一个40*40的矩阵。。
对角线上的元素不看，还剩下1560个元素
每个元素看看A+B是不是靠谱
虽然可能99%都不靠谱。。。
但是还是有可能筛出来15篇左右的idea。。。。
（如果考虑交换性可能只有7篇也够了。。。）
或者你找40篇比较新的不是你发的oral paper，
再找K篇自己的paper，也可以做这个事情。
这样就不用排除对角元素了
个人的publication水平还不高
不过很多其实也不是A+B产生的。。
比如CNN之前的话
有一些是发数据集的
Pixel-level hand detection in ego-centric videos
有一些其实是一个经典pipeline里面有A+B+C很多步
别人讨论B，C等步骤比较多，但是A步骤也很重要
想出一个A的trick最后发展出一片文章
Face alignment by coarse-to-fine shape searching
A+B也可以有一些跨度大的时候，也能产生一些还比较有趣的想法。。
并不是简简单单的incremental work
比如把推荐系统用在分类器推荐（CNN时代之前）。。
Model recommendation with virtual probes for egocentric hand detection
分而治之也是常见思路，任何topic都可以加（CNN时代之前）
Unconstrained face alignment via cascaded compositional learning
还有有的时候看到别人RL+tracking的文章，想到手里的聚类也可以这么做，就搞了一个
A+B（不过步子扯有点大老是被拒后来就投了AAAI）
Merge or not? learning to group faces via imitation learning
今年还看到有人用GCN聚类所以结合GCN重新投了一篇。。。
（还没release）
类似这样。。
还有有时候可以做一些哲学讨论，就不是简单的A+B了
The devil of face recognition is in the noise
我好担心老板们看到这个说我误人子弟啊。。。