tpami发表gan论文

Meta-SR: A Magnification-Arbitrary Network for Super-Resolution Xuecai Hu, Haoyuan Mu, Xiangyu Zhang, Zilei Wang, Tieniu Tan, Jian Sun [ pdf ]

Blind Super-Resolution With Iterative Kernel Correction Jinjin Gu, Hannan Lu, Wangmeng Zuo, Chao Dong [ pdf ]

Camera Lens Super-Resolution Chang Chen, Zhiwei Xiong, Xinmei Tian, Zheng-Jun Zha, Feng Wu [ pdf ], [ supp ]

Deep Plug-And-Play Super-Resolution for Arbitrary Blur Kernels Kai Zhang, Wangmeng Zuo, Lei Zhang [ pdf ]

Towards Real Scene Super-Resolution With Raw Images Xiangyu Xu, Yongrui Ma, Wenxiu Sun [ pdf ]

ODE-Inspired Network Design for Single Image Super-Resolution Xiangyu He, Zitao Mo, Peisong Wang, Yang Liu, Mingyuan Yang, Jian Cheng [ pdf ], [ supp ]

Feedback Network for Image Super-Resolution Zhen Li, Jinglei Yang, Zheng Liu, Xiaomin Yang, Gwanggil Jeon, Wei Wu [ pdf ], [ supp ]

Recurrent Back-Projection Network for Video Super-Resolution Muhammad Haris, Gregory Shakhnarovich, Norimichi Ukita [ pdf ], [ supp ]

Image Super-Resolution by Neural Texture Transfer Zhifei Zhang, Zhaowen Wang, Zhe Lin, Hairong Qi [ pdf ]

Natural and Realistic Single Image Super-Resolution With Explicit Natural Manifold Discrimination Jae Woong Soh, Gu Yong Park, Junho Jo, Nam Ik Cho [ pdf ], [ supp ]

3D Appearance Super-Resolution With Deep Learning Yawei Li, Vagia Tsiminaki, Radu Timofte, Marc Pollefeys, Luc Van Gool [ pdf ], [ supp ]

Fast Spatio-Temporal Residual Network for Video Super-Resolution Sheng Li, Fengxiang He, Bo Du, Lefei Zhang, Yonghao Xu, Dacheng Tao [ pdf ], [ supp ]

Residual Networks for Light Field Image Super-Resolution Shuo Zhang, Youfang Lin, Hao Sheng [ pdf ]

Second-Order Attention Network for Single Image Super-Resolution Tao Dai, Jianrui Cai, Yongbing Zhang, Shu-Tao Xia, Lei Zhang [ pdf ], [ pdf ]

Hyperspectral Image Super-Resolution With Optimized RGB Guidance Ying Fu, Tao Zhang, Yinqiang Zheng, Debing Zhang, Hua Huang [ pdf ]

Learning Parallax Attention for Stereo Image Super-Resolution Longguang Wang, Yingqian Wang, Zhengfa Liang, Zaiping Lin, Jungang Yang, Wei An, Yulan Guo [ pdf ], [ supp ]

Face Super-resolution Guided by Facial Component Heatmaps Xin Yu, Basura Fernando, Bernard Ghanem, Fatih Porikli, Richard Hartley [ pdf ]

Image Super-Resolution Using Very Deep Residual Channel Attention Networks Yulun Zhang, Kunpeng Li, Kai Li, Lichen Wang, Bineng Zhong, Yun Fu [ pdf ]

Super-Resolution and Sparse View CT Reconstruction Guangming Zang, Mohamed Aly, Ramzi Idoughi, Peter Wonka, Wolfgang Heidrich [ pdf ]

Fast, Accurate, and Lightweight Super-Resolution with Cascading Residual Network Namhyuk Ahn, Byungkon Kang, Kyung-Ah Sohn [ pdf ]

SRFeat: Single Image Super-Resolution with Feature Discrimination Seong-Jin Park, Hyeongseok Son, Sunghyun Cho, Ki-Sang Hong, Seungyong Lee [ pdf ]

To learn image super-resolution, use a GAN to learn how to do image degradation first Adrian Bulat, Jing Yang, Georgios Tzimiropoulos [ pdf ]

Multi-scale Residual Network for Image Super-Resolution Juncheng Li, Faming Fang, Kangfu Mei, Guixu Zhang [ pdf ]

Super-FAN: Integrated Facial Landmark Localization and Super-Resolution of Real-World Low Resolution Faces in Arbitrary Poses With GANs Adrian Bulat, Georgios Tzimiropoulos [ pdf ] [ Supp ]

Fight Ill-Posedness With Ill-Posedness: Single-Shot Variational Depth Super-Resolution From Shading Bjoern Haefner, Yvain Quéau, Thomas Möllenhoff, Daniel Cremers [ pdf ] [ Supp ]

Recovering Realistic Texture in Image Super-Resolution by Deep Spatial Feature Transform Xintao Wang, Ke Yu, Chao Dong, Chen Change Loy [ pdf ]

Fast and Accurate Single Image Super-Resolution via Information Distillation Network Zheng Hui, Xiumei Wang, Xinbo Gao [ pdf ]

Image Super-Resolution via Dual-State Recurrent Networks Wei Han, Shiyu Chang, Ding Liu, Mo Yu, Michael Witbrock, Thomas S. Huang [ pdf ]

Deep Back-Projection Networks for Super-Resolution Muhammad Haris, Gregory Shakhnarovich, Norimichi Ukita [ pdf ] [ Supp ]

Residual Dense Network for Image Super-Resolution Yulun Zhang, Yapeng Tian, Yu Kong, Bineng Zhong, Yun Fu [ pdf ]

FSRNet: End-to-End Learning Face Super-Resolution With Facial Priors Yu Chen, Ying Tai, Xiaoming Liu, Chunhua Shen, Jian Yang [ pdf ]

Unsupervised Sparse Dirichlet-Net for Hyperspectral Image Super-Resolution Ying Qu, Hairong Qi, Chiman Kwan [ pdf ]

“Zero-Shot” Super-Resolution Using Deep Internal Learning Assaf Shocher, Nadav Cohen, Michal Irani [ pdf ]

Deep Video Super-Resolution Network Using Dynamic Upsampling Filters Without Explicit Motion Compensation Younghyun Jo, Seoung Wug Oh, Jaeyeon Kang, Seon Joo Kim [ pdf ] [ Supp ]

Learning a Single Convolutional Super-Resolution Network for Multiple Degradations Kai Zhang, Wangmeng Zuo, Lei Zhang [ pdf ]

Feature Super-Resolution: Make Machine See More Clearly Weimin Tan, Bo Yan, Bahetiyaer Bare [ pdf ]

Frame-Recurrent Video Super-Resolution Mehdi S. M. Sajjadi, Raviteja Vemulapalli, Matthew Brown [ pdf ]

Temporal Shape Super-Resolution by Intra-Frame Motion Encoding Using High-Fps Structured Light Yuki Shiba, Satoshi Ono, Ryo Furukawa, Shinsaku Hiura, Hiroshi Kawasaki [ pdf ] [ Supp ] [ video ]

Robust Video Super-Resolution With Learned Temporal Dynamics Ding Liu, Zhaowen Wang, Yuchen Fan, Xianming Liu, Zhangyang Wang, Shiyu Chang, Thomas Huang [ pdf ]

Detail-Revealing Deep Video Super-Resolution Xin Tao, Hongyun Gao, Renjie Liao, Jue Wang, Jiaya Jia [ pdf ] [ video ]

EnhanceNet: Single Image Super-Resolution Through Automated Texture Synthesis Mehdi S. M. Sajjadi, Bernhard Scholkopf, Michael Hirsch [ pdf ] [ Supp ][ video ]

Joint Estimation of Camera Pose, Depth, Deblurring, and Super-Resolution From a Blurred Image Sequence Haesol Park, Kyoung Mu Lee [ pdf ] [ Supp ]

Image Super-Resolution Using Dense Skip Connections Tong Tong, Gen Li, Xiejie Liu, Qinquan Gao [ pdf ]

Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution Wei-Sheng Lai, Jia-Bin Huang, Narendra Ahuja, Ming-Hsuan Yang [ pdf ]

Image Super-Resolution via Deep Recursive Residual Network Ying Tai, Jian Yang, Xiaoming Liu [ pdf ]

Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network Christian Ledig, Lucas Theis, Ferenc Huszar, Jose Caballero, Andrew Cunningham, Alejandro Acosta, Andrew Aitken, Alykhan Tejani, Johannes Totz, Zehan Wang, Wenzhe Shi [ pdf ] [ poster ] [ video ]

Real-Time Video Super-Resolution With Spatio-Temporal Networks and Motion Compensation Jose Caballero, Christian Ledig, Andrew Aitken, Alejandro Acosta, Johannes Totz, Zehan Wang, Wenzhe Shi [ pdf ] [ poster ]

Hyperspectral Image Super-Resolution via Non-Local Sparse Tensor Factorization Renwei Dian, Leyuan Fang, Shutao Li [ pdf ] [ poster ]

Simultaneous Super-Resolution and Cross-Modality Synthesis of 3D Medical Images Using Weakly-Supervised Joint Convolutional Sparse Coding Yawen Huang, Ling Shao, Alejandro F. Frangi [ pdf ] [ poster ]

Reference Guided Deep Super-Resolution via Manifold Localized External Compensation Wenhan Yang, Sifeng Xia, Jiaying Liu, and Zongming Guo Accepted by IEEE Trans. on Circuit System for Video Technology (TCSVT), June 2018. [ project ]

Joint-Feature Guided Depth Map Super-Resolution With Face Priors Shuai Yang, Jiaying Liu, Yuming Fang, and Zongming Guo IEEE Trans. on Cybernetics (TCYB), Vol.48, No.1, pp.399-411, Jan. 2018. [ project ]

Deep Edge Guided Recurrent Residual Learning for Image Super-Resolution Wenhan Yang, Jiashi Feng, Jianchao Yang, Fang Zhao, Jiaying Liu, Zongming Guo and Shuicheng Yan IEEE Trans. on Image Processing (TIP), Vol.26, No.12, pp.5895-5907, Dec. 2017. [ project ]

Retrieval Compensated Group Structured Sparsity for Image Super-Resolution Jiaying Liu, Wenhan Yang, Xinfeng Zhang, and Zongming Guo IEEE Trans. on Multimedia (TMM), Vol.19, No.2, pp.302-216, Feb. 2017. [ project ]

ECCV2016 Accelerating the Super-Resolution Convolutional Neural Network Chao Dong, Chen Change Loy, Xiaoou Tang [ project ]

Perceptual Losses for Real-Time Style Transfer and Super-Resolution Justin Johnson, Alexandre Alahi, Li Fei-Fei [ pdf ]

End-to-End Image Super-Resolution via Deep and Shallow Convolutional Networks Yifan Wang, Lijun Wang, Hongyu Wang, Peihua Li [ pdf ]

Deeply-Recursive Convolutional Network for Image Super-Resolution Jiwon Kim, Jung Kwon Lee, Kyoung Mu Lee [ pdf ]

Accurate Image Super-Resolution Using Very Deep Convolutional Networks Jiwon Kim, Jung Kwon Lee, Kyoung Mu Lee [ pdf ]

Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network Wenzhe Shi, Jose Caballero, Ferenc Huszar, Johannes Totz, Andrew P. Aitken, Rob Bishop, Daniel Rueckert, Zehan Wang [ pdf ]

Image Super-Resolution Using Deep Convolutional Networks Chao Dong, Chen Change Loy, Kaiming He, Xiaoou Tang IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI) SRCNN [ project ] [ pdf ] [ supplementary material ]

Neighborhood Regression for Edge-Preserving Image Super-Resolution Yanghao Li, Jiaying Liu, Wenhan Yang and Zongming Guo IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP), Brisbane, Australia, Apr. 2015. [ project ]

Learning a Deep Convolutional Network for Image Super-Resolution Chao Dong, Chen Change Loy, Kaiming He, Xiaoou Tang ECCV 2014 SRCNN [ project ] [ pdf ]

Super-Resolution From a Single Image Daniel Glasner, Shai Bagon, Michal Irani ICCV 2009 [ project ] [ pdf ]

Video Super-Resolution Based on Spatial-Temporal Recurrent Neural Networks Wenhan Yang, Jiashi Feng, Guosen Xie, Jiaying Liu, Zongming Guo and Shuicheng Yan Computer Vision and Image Understanding (CVIU), Vol.168, pp.79-92, March. 2018. [ project ]

Video Super-Resolution With Convolutional Neural Networks Armin Kappeler ; Seunghwan Yoo ; Qiqin Dai ; Aggelos K. Katsaggelos IEEE Transactions on Computational Imaging [ pdf ]

High Quality Remote Sensing Image Super-Resolution Using Deep Memory Connected Network Wenjia Xu; Guangluan XU; Yang Wang; Xian Sun; Daoyu Lin; Yirong WU IGARSS 2018 - 2018 IEEE International Geoscience and Remote SensingSymposium [ pdf ]

南开更好。

高考志愿-----国内十大名校

1 清华大学

清华大学当选中国大学第一位众望所归，无论学科实力还是影响力，在国际排名中也是前30的高校。

2北京大学

北京大学是学子们梦寐以求的学府，综合类最好的大学，文化底蕴十足，师资力量强大。甚至“北大”就是大学的代名词。

3复旦大学

复旦大学坐落在上海市，原名震旦大学，也是一所历史悠久的高等学府，部属985。

4 浙江大学

浙江大学属于部属985，双一流大学。校训：求实创新。学科特别齐全的学校，基本所有专业都有。学术水平极高。

5 上海交通大学

上交大坐落在上海市，部属985，上交大近些年进步非常大，是由盛宣怀创办的南洋工学发展而来。

6 南京大学

南京大学位于江苏省，华东五校之一。文科较强，工科稍弱，综合实力名列前茅。物理，地质专业一流。

7  中国人民大学

人民大学建校虽然很短，50年代才创办，而且专业大部分都是文科类，但是地理位置不错，在文科方面全国首屈一指。

8 南开大学

南开大学位于渤海之滨天津，张伯苓为救国而创办，是中国“学府北辰”之一！国内外知名度极高。

9 中山大学

中山大学坐落在南方广东省，是由孙中山先生创办，双一流高校，学风严谨，在南方是众多学子们向往的大学。

10 中国科学技术大学

简称“中科大”坐落在安徽省合肥市，部属985，出国率很高，只是理工强劲而文化气息稍逊一些。

我来个像样的回答吧。T-PAMI是机器学习领域的顶刊，目前来讲，我是将其拜为第一把交椅的。鄙人不才，中过几篇，也有幸应邀审稿。CVPR ICCV，ECCV是模式识别领域的顶会，CVPR鄙人认为他是第一，如上几人所述，这几年随着机器学习，人工智能的大火，有水的成分了，两年一度，文章越来也多了。这两者没有可比性，为什么说没有可比性能呢。先说2017年以前吧，我们实验室想中一个T-PAMI，首先要中三大顶会之一，然后，我们在会议论文的基础上对研究结果进行深挖扩展，基本中T-PAMI就很简单了。2017年之后，实验室陆续出现硬上T-PAMI的现象了。顶会中的也就多了。最后呢，关于大家说论文变水了。其实不然，鄙人不才，说一句话：机器学习逐渐变成一门实验科学了，跟生物医学，生化环材一样，注重实验。所以呢，实验室的年轻本科生自己搭建一个新颖的，了不起的模型，识别率突破、实现的功能创新等，也可以中顶会，我认为这是合理的，毕竟纯搞理论也是不对的。有说错的地方，业内大牛可以指正。

同济大学和南开大学哪个更好，不仅要看当前发展现状，更要看未来发展前景。

南开大学在发展现状方面，已经不如同济大学，同时从他们的经费方面来看，同济大学未来的发展还会快于南开大学。我们先来看一下他们的经费情况。

2021年同济大学预算经费达到了107亿元，而同年南开大学的经费只有约58亿元。这就意味着同济大学的办学经费方面的优势，远不是南开大学可以相比的。办大学是一个烧钱的事，没有经费是万万不行的。只有经费到位，大学才能快速发展。我们通过近年来发展速度的较快的深圳大学、苏州大学等院校来比较，就可以轻松得到这个结论。同济大学的经费额度，已经接近南开大学的2倍，他们未来的发展趋势，也通路得到一个相对的比较。

所以，从经费方面来看，同济大学的发展速度优于南开大学。

再看发展现状。

南开大学在第四轮学科评估中，没有获得A+评级学科，这让我们大跌眼镜。曾经的四大名校之一的南开大学，竟然没有一个A+学科，未免说不过去。至少，这样名校级别的985大学，有一、二个A+学科是应该的，有三、四个A+学科是正常，即使他有五、六个A+学科，大学也不会惊讶。但是南开大学只有5个A级学科，9个A-学科。但是南开大学的B+评级以上的学科有23个，说明他的整体依然很强，远不是那些有一个两个A+学科的985大学可比。

虽然南开大学整体实力非常强悍，但是没有A+级学科，让南开大学非常遗憾，没有顶尖大学的感觉。

再来看一下同济大学。同济大学在某些学科方面，保持了全国顶尖水平的地位。第四轮学科评估中，同济大学有A+评级学科，在土木工程、城乡规划学、管理科学与工程、环境科学与工程等4个学科方面，依然是全国最高水平。同济大学在建国之初的高校调整之后，获得了最强的土木类专业、建筑类专业，这个专业依然保持着优势。同时他的B+评级以上的学科有24个，在整体实力方面，比南开大学还经更强一些。

所以，从发展现状方面来看，同济大学优于南开大学。

再从学校所在城市来看，同济大学位于上海，区位优势明显强于南开大学所在的天津市，在未来的发展潜力方面，同济大学还是更好一些。

综上，同济大学要好于南开大学。

如果喜欢理科就选南开大学，如果学工科则选择同济大学。

题主：好！这还真得感谢您。我一直以为南开大学挺厉害，应该跟同济大学差不多，可是认真一比较——同济还真的比南开好得多啊。

1.同济大学是1907年德国医生埃里希·宝隆在上海创办的德文医学堂，1923年定名同济大学，1927年成为国立同济大学，是中国最早的七所国立大学之一。

2.南开大学成立于1919年，1938年与北京大学、清华大学联合组建国立西南联合大学；1946年返回天津并改为国立南开大学。

3.两所大学无论是创立年代、还是办学历程都差不多，同济大学稍早一些。

1.同济大学有：

本科招生专业82个，硕士学位一级学科授权点45个，专业硕士学位授权点26个，博士学位一级学科授权点33个，专业博士学位授权点9个，博士后流动站30个。拥有3个国家重点实验室、1个国家工程实验室。

2.南开大学有：

本科专业93个，硕士学位授权一级学科11个，硕士专业学位授权点27个，博士学位授权一级学科31个，博士后科研流动站28个。有国家重点实验室2个，国家工程研究中心1个，

3.办学实力主要体现在硕博点、博士后科研流动站数量和国家重点实验室多少上；当然还要参考院士数量，从这几个指标看、同济大学也都比南开大学强一些。

两所双一流A类大学之间，如果只是从 历史 积淀、办学实力方面比较，似乎差距并不明显，但是如果比较一下学科评估等级，那么差距就太明显了——

1.同济大学

在第四轮学科评估中有4个学科获得A+、还有一个A和七个A-，A+等级排名全国并列第11位。

2.南开大学

如果说南开大学在第四轮学科评估中一个A+也没有，一般人肯定不会相信，双一流A类大学怎么会一个A+也没有呢？

这个真没有啊！

3.从学科评估等级看

同济大学要比南开大学强很多呀，有4个A+、尤其是土木工程全国第一，其他3个也是并列第一。

所以两所大学的差距好像有点大，可以说是金牌与银牌的差别。

在第五轮学科评估结果公布以前，第四轮学科评估等级就是评价大学水平的最权威、最主要的标准。

虽然两所大学有一些高低差别，但是也与学科或专业方向有关。

同济大学有点偏建筑规划设计、政治、理学及软工科类。

而南开大学有点偏文，理学、经济、 历史 及软工科。

当然还有录取分数差别，在大多数省份同济大学一般都得比南开平均高出十几分，这也是层级差别的一种体现吧。

另外为什么没有提到两所大学的医学专业呢？因为实在是有点提不起来、因为都很一般。例如：临床医学或口腔医学专业，都不如上哈医大、天津医科大学等专门学校去学。

结论：同济比南开高一个层级，相当于金牌与银牌的差别。

感谢关注！

同济大学和南开大学都是全国排前20位的“双一流”（985）大学，真正要比哪个好，确实很难，两所大学可以说各具特色、难分伯仲。

两所大学办学 历史 悠久，都是综合性大学。同济大学最初为1907年德国医生创办的德文医学堂，1923年正式定名同济大学，是中国最早的7所国立大学之一。南开大学正式成立于1919年，1938年曾与北京大学、清华大学在云南昆明合组西南联合大学，为中华民族振兴和国家富强作出了不可磨灭的重要贡献。

优势学科方面，根据第四轮学科评估结果，同济大学评为A-以上的专业有12个，其中土木工程、环境科学与工程、城乡规划学、管理科学与工程为A+，设计学为A，数学、机械工程、计算机科学与技术、建筑学、交通运输工程、风景园林学、软件工程为A-。有33个一级学科博士点、45个一级学科硕士点。

南开大学学科评估A-以上的专业有14个，没有A+级学科，A级学科5个，分别是理论经济学、数学、化学、统计学、工商管理；A-级学科9个，分别为应用经济学、政治学、马克思主义理论、中国语言文学、中国史、世界史、物理学、生物学、环境科学与工程。有30个一级学科博士点、12个一级学科硕士点。

在重大科研平台和设施建设上，同济大学有3个国家重点实验室，1个国家工程实验室、5个国家工程技术研究中心，还有国家重大 科技 基础设施、国家协同创新中心、国家大型科学仪器中心各1个。南开大学有2个国家重点实验室、1个国家工程研究中心。

可以看出，虽然都是综合性大学，但在学科建设和科研设施建设上，两所大学还是有所差异的。同济一流学科实力比南开大学强，有4个A+学科，而南开没有1个。同济A-以上学科偏重理工类，南开A-以上学科既有理科，也有文史，文理兼顾。同济博硕点、国家级科研平台数量要多于南开。

再看看两所985名牌大学的排名。最新一轮软科排名同济大学第16名，南开大学第20名；2021年校友会南开大学第16名，同济大学第21名，南开大学第12名。软科和校友会排名刚好相反。

高考录取分数是一所大学 社会 认可度的真实反映。据相关研究机构统计，2020年全国25省份高考录取平均分数线，文科同济、南开为628分、627分，分别排第11名、第12名；理科同济、南开为660分、652分，分别排第10名、第11名。两所大学录取分数线非常接近，总体上同济大学略高于南开大学。

从上述分析可以看出，在综合实力、 社会 影响力上，同济大学、南开大学难分伯仲、不相上下、旗鼓相当。真正要说区别，一是同济偏重于理工，南开文理并重；二是地理位置不同，一所在上海，一所在天津；三是同济理工类招生计划多于文史类，南开理工类、文史类招生计划相对均衡。因此，除分数和专业兴趣外，这些也是报考时需要考虑的因素。

个人认为，同济大学比南开大学好

同济好。

90年代以前肯定是南开好，后来上海浦东成为中国改革的前沿，上海发展比天津快了很多，借助此优势同济吸引力增大，比南开要发展快。从考分能看出差距来。不过专业偏重不同，选专业又不具有可比性。

同济的优势在于地理位置，两个学校侧重点不同，同济侧重土木，建筑，车辆等工科。南开的基础学科，商科及 社会 学科是同济比不了的。具体要根据个人将来规划来选择。

各有所长，看你希望在哪里领域或者专业发展了。

两者的综合排名差的不多，所以具体哪个好就要看专业了，是不是国家重点学科、双一流学科了

客观的说，南开大学好很多。

具体分析一下：

同济优势学科是传统工科，主要体现在建筑，土木，车辆等领域，南开则完全没有开设这些学科，可以说，除了传统工科，也就是南开但凡开设的学科，均是强于同济。

南开优势是文，理，商，医，新工科。新工科是指计算机，人工智能，大数据这些新兴工科领域。

南开计算机人工智能太强了，2021年1-11月份，南开计算机在世界人工智能顶级期刊TPAMI已发表12篇成果论文，位列全国第四，仅次于清北交，还大有超越之势。

2018年才成立的网络空间安全学院，则在四大安全领域顶会做到了论文四顶会全发，全国仅有三所大学做到四顶会全发，另外两所是浙江大学和香港大学。

南开医学也突飞猛进，已经甩开同济医。

数学统计金融这些学科就更不用多说。南开统计在2016 2020发统计四大刊数排第二，仅次于北大。

南开数学团队在新冠疫情中表现不俗，为全国各地提供疫情预测及分析服务，得到国务院表彰。

cvpr的认可度比TPAMI差很多，并且这几年也变味了，水文较多。