发布时间：
国内没办法直接上谷歌的网站 你可以搜索下载个E9代理加速器 这样就能上Google下载东西了
下面分享几个常用的学术网站，可以登陆搜索国内外文献——
1. sci-hub
大名鼎鼎的 sci-hub 是一个由俄罗斯牛人开发的可以下载任意文献杂志的工具，只要输入你想要下载的文献题目、DOI 等信息就可以获取到该文献的真实地址并在线浏览，当然更重要的是可以下载。
2. BASE
BASE 是德国比勒费尔德（Bielefeld) 大学图书馆开发的一个多学科的学术搜索引擎，提供对全球异构学术资源的集成检索服务。它整合了德国比勒费尔德大学图书馆的图书馆目录和大约 160 个开放资源（超过 200 万个文档）的数据。
3. 谷歌学术
免费搜索学术文章的 Google 网络应用。2004 年 11 月，Google 第一次发布了 Google 学术搜索的试用版。该项索引包括了世界上绝大部分出版的学术期刊， 可广泛搜索学术文献的简便方法。
可以从一个位置搜索众多学科和资料来源：来自学术著作出版商、专业性社团、预印本、各大学及其他学术组织的经同行评论的文章、论文、图书、摘要和文章。
4. Library Genesis
Library Genesis 号称是帮助全人类知识无版权传播的计划。网站上论文很多，下载方便，还有很多外文书籍和中文书籍，几乎每天都在更新。这也是一个神奇网站，基本上所有的外文书籍和论文都可以搜到并下载，最近的学术论文也可以下载。
Library Genesis 和 Sci-Hub 可谓患难兄弟，之前都因为爱思唯尔惹上纠纷，而且从 Library Genesis 下载不了的还可以从网页直接链接到 Sci-Hub 下载。
5. 百度学术
涵盖了各类学术期刊，会议论文，旨在为国内外学者提供最好的科研体验。
百度学术搜素可以检索到收费和免费的学术论文，并通过时间筛选，标题，关键字，摘要，作者，出版物，文献类型被引用的次数等细化指标提高检索的精准性。
通过百度学术，都能搜到知网，万方，维普等学术网站的论文，台湾文献的论文也可以收集，其中的一项论文求救功能，相当实用。不过，百度学术只是一个学术信息搜索引擎，如果下载还得到知网等数据库。
6. Cnpiec LINK service
一个方便快捷的查阅国外各类期刊文献的综合网络平台，cnpLINKer 即中国链接服务，目前主要提供约 3600 种外国期刊的目次和文摘的查询检索，电子全文链接及期刊国内馆藏分布查询功能。并时时与国外出版社保持数据内容的一致性和最新性。
7. PMC（PubMed Cenral)
PubMed Central (PMC) 是美国国立卫生研究院提供的一项服务，存档生物医学，生命科学科研文献，PMC 获得 NLM (National Library of Medicine) 的授权，收录存档生物 / 医学文献，免费是 PMC 的核心原则，随着技术的进步，目前文献的数字存储格式可能会淘汰，但 PMC 永久保存了这些内容。NLM 认为数字资料不是用来存储的，持续的应用才是物尽其用，因此免费是 PMC 的一个核心原则。
但是免费并不代表没有版权，资料虽然存储在 PMC，作者和出版商才是版权的拥有者，所有使用 PMC 的用户必须遵守版权声明。
8. 中国知网
知网，是国家知识基础设施的概念，由世界银行于 1998 年提出。CNKI 工程是以实现全社会知识资源传播共享与增值利用为目标的信息化建设项目。由清华大学、清华同方发起，始建于 1999 年 6 月。提供 CNKI 源数据库、外文类、工业类、农业类、医药卫生类、经济类和教育类多种数据库。
其中综合性数据库为中国期刊全文数据库、中国博士学位论文数据库、中国优秀硕士学位论文全文数据库、中国重要报纸全文数据库和中国重要会议文论全文数据库。
每个数据库都提供初级检索、高级检索和专业检索三种检索功能。高级检索功能最常用。
9. DOAJ
DOAJ（Directory of Open Access Journal），由瑞典的隆德大学图书馆 Lund University Libraries 设立于 2003 年 5 月，DOAJ 的优势在于收录的期刊有着严格的质量控制，包括很多 SCI 收录的期刊。
DOAJ 收录的 OA 期刊数量非常多，属于目前最好的 OA 期刊目录网站。目前 DOAJ 除了查询 OA 期刊外，还可以查询部分期刊的文章内容。
10. Book 系列
Book 系列网站书籍种类丰富，基本专业书籍都可找到免费下载。包括 Bookie、Bookzz、Bookfi 等，（Bookzz、Bookfi 在 Library Genesis 的导航栏有，但是现在貌似打不开了）。均可免费下载文献和书籍，文献下载适合前几年的，书籍就不用说了，超级多！
其中 BookSC 网站（）文献资料多。BookSC 网站截止到今天，已有 278 多万书籍以及 5242 多万文献可以免费下载，大多数是 pdf,djvu,eupb 格式。
下载也很方便，直接搜论文或者文章题目即可，还可将选择地区并设置成中国。BookSC 网站体验很好，搜索后直接点下载就可以了，超级方便！
11. arXiv
arXiv 的亮点是网站上面的文章大多数都是会投稿到学术期刊的文章，投稿作者对文章多半都是保持严谨态度的，只有少部分是一直保持预印本的形式。
目前 arXiv 文章类型主要分为七大类：物理、数学、非线性科学、计算机科学、定量生物学、定量金融学和统计。每个大类下面又分有若干子类，例如物理下面又具体分为：天体物理、凝聚态物理、广义相对论等。文章类型内容分类非常专业和全面。
12. 万方数据库
万方数据库是由万方数据公司开发的，涵盖期刊、会议纪要、论文、学术成果、学术会议论文的大型网络数据库；也是和中国知网齐名的中国专业的学术数据库。整合数亿条全球优质学术资源，集成期刊、学位、会议、科技报告、专利、视频等十余种资源类型，覆盖各研究层次，感知用户学术背景，智慧搜索。致力于帮助用户精准发现、获取与沉淀学术精华。
谷歌学术是一个可以免费搜索外文学术文章的搜索引擎，包括了世界上绝大部分出版的学术期刊，谷歌学术可了解有关某一领域的学术文献；了解某一作者的著述，并提供书目信息（引用时必需的图书出版信息或期刊论文的刊名、刊期信息）。部分文献可直接下载。
Elsevier（sciencedirect）是荷兰一家全球著名的学术期刊出版商，每年出版大量的学术图书和期刊，大部分期刊被SCI、SSCI、EI收录，是世界上公认的高品位学术期刊。
Web of Science是获取全球学术信息的重要数据库，它收录了全球13000多种权威的、高影响力的学术期刊，内容涵盖自然科学、工程技术、生物医学、社会科学、艺术与人文等领域。Web of Science 包括著名的三大引文索引数据库(SCI、SSCI、A&HCI)。
Wiley Online Library为全学科期刊全文数据库，出版物涵盖学科范围广泛——包括化学、物理学、工程学、农学、兽医学、食品科学、医学、护理学、口腔医学、生命科学、心理学、商业、经济学、社会科学、艺术、人类学等多个学科大约1600多种期刊，以及很多其它重要的跨学科领域的期刊。
SpringerLink是全球最大的在线科学、技术和医学(STM)领域学术资源平台。Springer 的电子图书数据库包括各种的Springer图书产品，如专著、教科书、手册、地图集、参考工具书、丛书等。具体学科涉及：数学、物理与天文学、化学、生命科学、医学、工程学、计算机科学、环境科学、地球科学、经济学、法律。
ProQuest商业信息、学术研究、应用科技数据库涉及商业管理、社会与人文科学、科学与技术、金融与税务、医药学等广泛领域。提供期刊、报纸、参考书、参考文献、书目、索引、地图集、绝版书籍、记录档案、博士论文和学者论文集等各种类型的信息服务，其中ProQuest Dissertations & Theses Global（PQDT Global）是目前世界上规模最大、使用最广泛的博硕士论文数据库。
PubMed 是一个免费的搜寻引擎，提供生物医学方面的论文搜寻以及摘要的数据库。它的数据库来源为MEDLINE。其核心主题为医学，但亦包括其他与医学相关的领域，像是护理学或者其他健康学科。提供指向全文提供者（付费或免费）的链接。
EI在全球的学术界、工程界、信息界中享有盛誉，是科技界共同认可的重要检索工具。涉及领域：机械工程、机电工程、船舶工程、制造技术、矿业、冶金、材料工程、金属材料、有色金属、陶瓷、塑料及聚合物工程等。
IEEE（Institute of Electrical & ElectronicsEngineers）是电气电子工程师协会IEEE和国际工程技术协会IET的全文库。IEEE致力于电气、电子、计算机工程和与科学有关的领域的开发和研究，在太空、计算机、电信、生物医学、电力及消费性电子产品等领域已制定了1300多个行业标准，现已发展成为具有较大影响力的国际学术组织。
百度学术于2014年6月上线，是百度旗下的免费学术资源搜索平台，提供海量中英文文献学术资源，涵盖各类学术期刊、学位、会议论文，部分文献可直接下载。
sci-hub专门免费下载外文文献，但网站经常换域名，有时不稳定，新域名也有卡顿打不开现象，而且没有收录新文献，目前2022年文献基本下不到。
学术文献下载器（wxdown.org)，把海量中外文献数据库资源整合一起，涵盖上面提到的文献数据库，文献资源庞大涉及全科，包括谷歌学术和sci-hub下载不了的文献。适合学校资源不够的高校生或者是单位没有数据库资源的科研人员查阅下载文献资料。
谷歌学术是一个可以免费搜索学术文章的Google网络应用。2004年11月，Google第一次发布了Google学术搜索的试用版。该项索引包括了世界上绝大部分出版的学术期刊，可广泛搜索学术文献的简便方法。从检索情况分析， Google学术搜索可以有如下用途：1、了解有关某一领域的学术文献。由于收录范围限于学术文献，将屏蔽掉网上很多不相关信息。2、了解某一作者的著述，并提供书目信息(引用时必需的图书出版信息或期刊论文的刊名、刊期信息)。可直接在网上搜索原文、文摘等;如果是图书，还可通过Library Search(例如OCLC的Open WorldCAT)检索附近图书馆的收藏。3、了解某文献被引情况。可直接点击Cited by...(引用数)搜索引用文献。4、 对文献和期刊进行应用和引用排名。5、中国知网、万方数据、谷歌学术等等很多学术资源检索平台都可以查找到sci论文，例如中国知网、万方数据、谷歌学术。那么进入以上平台后该如何查sci文章呢?在筛选条件中选择带有“SCI”字样的选项即可。以中国知网为例，登陆知网官网，在首页中选择“高级检索”等待跳转至检索页面，之后在学术期刊中选择“SCI来源期刊”，最后在检索栏中输入相应主题、作者、期刊名称等关键性信息即可。
你说的可能是这三个吧：2003年发表了《The Google File System》2004年发表了《MapReduce: Simplified Data Processing on Large Clusters 》2006年发表了《Bigtable: A Distributed Storage System for Structured Data》
如果你的论文进入联机数据库，且数据库是连接internet的，就能检索到。即使检索不到全文，也能检索到简介。
亲 百度谷歌都是范文了 对你没有帮助的 至少要求原创 还有文章质量吧 最好是根据专业写一篇高质量的文章 这样有保障
等会让他赶紧染发剂对人体
你说的可能是这三个吧：2003年发表了《The Google File System》2004年发表了《MapReduce: Simplified Data Processing on Large Clusters 》2006年发表了《Bigtable: A Distributed Storage System for Structured Data》
可解释性与准确率：理解 CAV 技术，需要首先理解深度学习模型可解释性难题的本质。在这一代深度学习技术中
Google已经被大陆屏蔽了 你可以去Google香港的服务器
简单点来说，就是Hadoop是继承了Google的MapReduce、GFS思想，开发出来的一套框架，后来又交给了Apache作为开源项目。MapReduce诞生于谷歌实验室，MapReduce与GFS、BigTable并称为谷歌的三驾马车，、而Hadoop则是谷歌三驾马车的开源实现。2003年，Google发表了一篇技术学术论文谷歌文件系统（GFS）。GFS是google公司为了存储海量搜索数据而设计的专用文件系统。2004年，Nutch创始人Doug Cutting基于Google的GFS论文实现了分布式文件存储系统名为NDFS。2004年，Google又发表了一篇技术学术论文MapReduce。MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行分析运算。2005年，Doug Cutting又基于MapReduce，在Nutch搜索引擎实现了该功能。2006年，Yahoo雇用了Doug Cutting，Doug Cutting将NDFS和MapReduce升级命名为Hadoop，Yahoo开建了一个独立的团队给Goug Cutting专门研究发展Hadoop。
作者搜索是找到某篇特定文章最有效的方式之一。如果知道要查找的文章作者，您只需将其姓氏添加到搜索字词中。例如：搜索 [friedman regression] （弗里德曼 回归） 会返回以“regression”为主题的，由名为“Friedman”的人撰写的文章。如果您想搜索某位作者的全名或姓氏及首字母，则输入加引号的姓名：[“jh friedman”]。如果某个词既是人名也是普通名词，您最好使用“作者:”操作符。该操作符只影响到紧挨其后的搜索字词，因此“作者:”和搜索字词之间不能有空格。例如：[作者：flowers] （人名弗劳尔，也是花的意思） 会返回由名为“Flowers”的人撰写的文章，而 [flowers - 作者：flowers] 会返回关于花的文章，而忽略由名为“Flowers”的人撰写的文章（搜索字词之前的减号 (-) 会排除包含这一搜索字词的搜索结果）。您可以使用将作者全名加引号的操作符，来进一步缩小搜索范围。尽量使用首字母而不要使用全名，因为 Google 学术搜索编入索引的某些来源仅提供首字母。例如：要查找 Donald E. Knuth（唐纳德·E. 克努特），您可以尝试 [作者：“d knuth”]、[作者：“de knuth”]或[作者：“donald e knuth”]。 （该选项只适用于高级学术搜索页。）出版物限制搜索只返回来自特定出版物、针对特定字词的搜索结果。例如：如果您要在《金融研究》上搜索有关共同基金的文章，您可以按以下步骤操作：但是，请记住，出版物限制搜索可能并不完整。Google 学术搜索从许多来源收集书目数据，包括从文字和引言中自动提取。信息可能不完整甚至不准确；例如，许多预印本没有介绍文章是在哪里（甚至是否）最终出版。通常情况下，如果确定自己在找什么，出版物限制的搜索是有效的，但搜索范围比期望值要窄。例如：比较两种搜索方法，一种是在所有出版物上搜索 [“共同基金”，]，另一种是只在《金融研究》上搜索 基金，您可能会发现前者会为您提供更多有用的搜索结果。最后，要记住：一本杂志名称可能会用多种方式进行拼写（例如：Journal of Biological Chemistry（《生化杂志》）经常被简写为 J Biol Chem），因此为了得到完整的搜索结果，您需要对同一出版物多尝试几种拼写方法。 （该选项只出现在“高级学术搜索”页中。）在寻找某一特定领域的最新刊物时，日期限制搜索可能会比较实用。例如：想要搜索从 2004 年陆续出版的超导薄膜方面的文章，方法如下：-但要记住：有些网站资源没有标注出版日期，而日期限制搜索是无法搜索 Google 学术搜索不能辨别出版日期的文章的。所以，如果您肯定一篇关于超导薄膜的论文是在今年出版的，但通过日期限制搜索没能找到，请重新尝试不加日期限制的搜索。
您好，谷歌学术是一个非常受欢迎的学术搜索引擎，它可以帮助学者找到相关的学术文献和研究成果。在谷歌学术中，每篇学术论文都会显示它的引用量，即其他学者在自己的研究中引用了该论文的次数。这个引用量可以反映该论文在学术界的影响力和重要性。然而，要判断一个学者在学术界是否是大牛，仅仅看其发表的论文的引用量是不够的。因为不同领域的学术研究有不同的引用量标准，而且还要考虑其发表的论文数量、发表的期刊和会议的影响因子等因素。因此，要评价一个学者是否是大牛，需要综合考虑多个因素，而不是仅仅看其发表的论文的引用量。总的来说，一个学术论文的引用量在100次以上可以认为是有一定影响力的，但是这并不是评价一个学者是否是大牛的唯一标准。
你指的是谷歌学术吧，谷歌学术是已出版期刊、会议等论文整合平台，自己是不收稿的，只有在谷歌学术收录的期刊上发表文章，才能在谷歌学术检索到
相信这两天大家朋友圈都被Google Map新功能演示刷屏了，视频中介绍说Google Map将在一些城市实现实景渲染，在手机中能够就从不同视角能逼真地浏览城市场景，甚至还能实现从室外到室内的无缝融合。
这个视频引发很多讨论，看明白的、看不明白的都在各抒己见，真的非常有意思。有人看到视频中从室外飞到室内，就联想到国内房地产行业做的一些卖房应用，直言房地产公司已经吊打谷歌；也有人看到视频中围绕着威斯敏特大教堂转一圈，就觉得这不就是倾斜摄影，早就烂大街的东西。
那正在看这篇文章的读者，你的心里又是什么看法呢？
究竟是不是谷歌不行了呢？
02
Block-NeRF是什么？
伟人说过，没有调查就没有发言权。想搞清楚这背后的技术细节，最好的办法就是去看文献。刚好在CVPR 2022会议上就有一篇Google员工发表的论文《 Block-NeRF: Scalable Large Scene Neural View Synthesis 》，该论文就是Google Map这次产品更新背后的实现技术。
单看论文题目，可以知道这篇文章主要介绍一种叫做Block-NeRF的新方法，这个方法可以进行大场景神经视图合成。
视图合成，简单来说就是根据已有的视图（也就是图片）来合成一张不同视角下的新图片。举个不恰当的例子，你站在一个人左侧拍了一张照片，又站在一个人的右侧拍了一张照片，这时候你想知道站在这个人正前方拍的照片是什么样的。你在这个人左右两侧拍的照片就是已有的视图，而你想要的正前方的照片就是需要合成的视图。
当然，实际操作中一般会拍摄更多的照片，否则就难以达到理想的效果。视图合成并不是什么新概念，早期很多Image Based Rendering方向的论文就是做这个的，比较基础的方法也就是通过对现有图像进行插值来生成新的图像。当然，为了不断地提升合成图像的质量，方法变得越来越复杂。
来到AI时代，自然也会有人考虑用AI做视图合成，其中的佼佼者就是NeRF。NeRF 是 2020 年 ECCV 上获得最佳论文荣誉提名的工作，其影响力是十分巨大的。NeRF 将隐式表达推上了一个新的高度，仅用2D的姿态已知的图像作为监督，即可表示复杂的三维场景，在新视角合成这一任务上取得非常好的效果。但是NeRF受限于有限的模型容量，只能重建小尺度场景，比如一个物体、一个房间、一栋建筑等等。
Google在NeRF的基础上更进一步，通过将场景分割为多个部分，每个部分单独用一个NeRF进行训练，最后将各个NeRF合成的视图混合，从而实现大场景的视图合成。这就是Block-NeRF最核心的思想。
03
你还认为Google Map渲染的是倾斜吗？
我们现在文章里找找证据。文章在研究现状首先就介绍了大场景三维重建的内容，提到COLMAP、PMVS等知名计算机视觉项目，但同时也提到通过3D重建得到的模型存在很多变形和黑洞，这正是现在倾斜摄影模型存在的严重问题。
最后，总结说三维重建更加注重精度，而本文的任务属于新视图合成领域，甚至Block-NeRF算法都没有利用SfM(Structure from Motion)算法来获取相机位姿，仅利用车载传感器读数作为模型训练数据。
看到这里，我想大家都知道Google Map渲染的不是倾斜模型了。可是为什么要大费周章地用几百万张图片来训练Block-NeRF模型呢？从视频中不难看出，浏览过程中非常平滑，没有倾斜那种LOD过渡的感觉，而且，合成出来的图像还可以进行光照、天气等效果的调整。
当然，肯定还会有人说，现在把倾斜摄影模型导入 游戏 引擎也能有各种光照和天气效果，但是倾斜摄影模型本身的纹理就已经记录拍摄时的光照信息，即使添加一些 游戏 引擎的效果，所看到的画面也没有Google Map那么纯净。
另外，Block-Neft里还提到在制作训练数据时，把图片中的移动目标（如车和行人）等遮罩掉，使得合成的图像里不会出现车和行人的干扰。相较之下，倾斜摄影模型中的车辆和行人往往需要人工去压平修复。
从个人角度来说，我觉得Block-NeRF比倾斜摄影更加优雅。只要根据用户浏览的位置和朝向，就可以在云端实时渲染出一张以假乱真的图片。虽然倾斜也可以走云渲染的路线，但就显示效果和渲染效率来说，目前看到的应用案例也仅仅时刚刚够用而已。至于Block-NeRF会不会取代倾斜摄影，个人觉得目前并不需要此类的担心。
你说的可能是这三个吧：2003年发表了《The Google File System》2004年发表了《MapReduce: Simplified Data Processing on Large Clusters 》2006年发表了《Bigtable: A Distributed Storage System for Structured Data》