Osobní pohled na trendy v literatuře počítačového vidění v roce 2025

Etické prohlášení a Gaussian Splatting jsou na ústupu, zatímco obrovský objem odevzdaných prací představuje nový problém, který bude muset umělá inteligence vyřešit v roce 2026.

Můj názor Sleduji počítačové vidění a syntézu obrazu na arXiv a souvisejících platformách přibližně sedm let, přes různé kanály – dostatečně dlouho, abych rozpoznal opakující se vzorce a posuny v trendech. Tyto pozorování jsou však anekdotická. Upřímně si přeji, abych měl čas využít obrovské množství stále rostoucích dat, které představuje samotný proud publikací arXiv, který je jistě bohatý na skryté poznatky, pomocí analýzy strojového učení. Jak tomu je, mohu pouze nahlásit to, co mi přišlo na vědomí od posledního zvažování této věci.

Objem na maximum

Mnohé trendy v odevzdávání výzkumných prací v oblasti umělé inteligence, které jsem pozoroval v roce 2024, se v roce 2025 ustálily jako stálé trendy; nejmenší z nich je nevyhnutelný a neustálý růst objemu prací souvisejících s umělou inteligencí, který je sám o sobě poháněn umělou inteligencí, až do bodu pociťované krize:

Měsíční odevzdání počítačových věd na arXiv, říjen 2023 – listopad 2025, s tříměsíčním klouzavým průměrem. Zdroj

Tento růstový trend byl charakterizován jako exponenciální zdvojnásobení objemu odevzdávaných prací, před několika lety, a pouze se prohloubil s nedávným nástupem mání umělé inteligence, které zvýšily sázky, stejně jako množství financování dostupného pro výzkum související s umělou inteligencí.

Úplné statistiky za rok 2025 nejsou dosud k dispozici, a agregované statistiky uvedené výše reprezentují obecné číslo, které roste napříč všemi kategoriemi. Níže můžeme vidět, že počítačové vědy pokračují v dominantním trendu, výrazně nad svými kolegy:

Růst odevzdání počítačových věd v letech 2022–2025. Zdroj

Řazení zrn od plev

V říjnu, na začátku podzimní konferenční sezóny, která vždy přináší příliv nových výzkumů, přišla namísto toho objem odevzdání na úrovni DOS-útoku, který dal dodatečnou dynamiku a naléhavost dříve podfinancovanému výzkumnému směru analýzy trendů výzkumu; jinými slovy, objevují se stále více prací a repozitářů, které samy o sobě snaží prořezat zhoršující se poměr signálu a šumu ve výzkumné scéně.

Nejnovější z nich přišel před několika dny v podobě NoveltyRank, práce a repozitáře GitHub, které fine-tunují velké jazykové modely, jako je Qwen3-4B-Instruct-2507 a SciBERT, aby mohli provádět binární klasifikaci odevzdaných prací (předpovídající ‘novost’ z předchozích odevzdání), nebo dvojité srovnání novosti (srovnání aktuálních odevzdání pro ‘novost’):

Systém NoveltyRank porovnává název a abstrakt odevzdání se podobnými předchozími pracemi, shrnuje rozdíly pomocí velkého jazykového modelu a předává je fine-tunovanému modelu Qwen3-4B, který rozhodne, zda práce představuje ‘konceptuální novinku’. Zdroj

Problém s takovými ‘prosívacími’ přístupy je výzva definování smysluplných proměnných. Přístup NoveltyRank používá akceptaci práce na konferenci jako index novosti a – snad poněkud zjednodušeně – používá publikaci na arXiv jako pozadí negativní novosti.

Toto předpokládá dvě falešné premisy: poprvé, že všechny akceptované práce na konferenci jsou nové nebo významné, což je zjevně nepravda; a podruhé, že novost sama o sobě má neomezenou hodnotu. Kdokoli, kdo ztratil půl hodiny na některé z nepodstatných, ba dokonce absurdních prací odevzdaných – snad pouze za účelem udržení ‘publikuj-či-zhyni’ kvót – ví, že novost je často triviální a inkrementální práce často významná.

Porozumění hodnotě nové práce zahrnuje oblast, ve které je umělá inteligence目前 velmi slabá – dlouhodobý kontext. Vzhledem k často neupřímnému způsobu, jakým jsou práce napsány, může se zdát, že práce, které překonávají hranice, jsou ve skutečnosti menšími pokroky na základě existujících prací; nicméně, automatizované systémy budou muset vyvinout ‘intuici’ pro takové případy, bez toho, aby vyhlásily mnoho falešných pozitiv, a bez spoléhání se na upřímnost odevzdaných autorů.

Etický skok

Jak jsem pozoroval dříve, portály, jako je arXiv, jsou poměrně odolné vůči laissez faire skenování, a data, která poskytují, často postrádají detailní informace.

Protože i kdybych měl zdroje a čas stáhnout a extrahovat funkce z dostatečně reprezentativního průřezu počítačových vědeckých prací, mnoho z jemnějších trendů nebude cíleno nebo analyzováno.

Jedním z nich je přítomnost nebo absence etikových prohlášení; dlouho povinnou součástí pro biologické vědy, které se dotýkají animální experimentace, rok 2024 viděl apogeum trendu směrem k etické charakterizaci navrhované práce, na konci odevzdaných prací v kategorii Počítačové vědy.

Anekdoticky říkám, že tato praxe poklesla v roce 2025. Můj odhad je, že horlivá deregulační úsilí současné americké vlády ve vztahu k vývoji umělé inteligence dala výzkumné komunitě, jak ve Spojených státech, tak v zahraničí, určitou zvýšenou licenci a pocit implicitní ochrany před právní expozicí.

Navzdory podpoře anti-deepfake regulace má současná americká administrativa fakticky obnovila velkou část ‘divokého západu’ postoje, který charakterizoval éru 2021–23 – ačkoli kontext čistého vědeckého výzkumu, který ho definoval, se od té doby vyvinul do horlivého, ba dokonce historického úrovně investic.

Generativní video práce jako ‘AI odpad’

S uvedením Hunyuan Video a WAN generativních video sérií minulou zimou byla umělá inteligence videa zcela transformována v roce 2025. Staré překážky, jako je obtížnost vytváření kompletních avatarů, nebo získání přesvědčivých profilových pohledů osoby, byly odstraněny zdánlivě přes noc.

Hojné váhy-zahrnuty verze tohoto druhu z Číny nastavily tempo pro generativní video verze tohoto roku a jsou alespoň proti-tlakem na tendenci západních architektur umělé inteligence videa být mnohem více cenzurovanými, komerčními a předepsanými.

Absence příkopu v této ironicky demokratické scéně vedené Čínou vedla k tomu, že stovky, ne-li tisíce firem se snaží využít rostoucí trh pro inferenci nabízející uživatelsky přívětivé portály, s hráči, jako je civit.ai a RunPod, profitovaly z procedur a technologií, které by mohly být spuštěny na domácích počítačích.

Obecně jsou tyto iniciativy krátkodobé finanční výnosy, které očekávají, že budou nahrazeny budoucí konsolidací trhu (i když bezpochyby by jejich zakladatelé nebránili náhodnému nalezení dominantního podílu na trhu, kdyby k tomu došlo).

Tato stejná všednost a replikace postihla také generativní video směr v odevzdáních arXiv v roce 2025. Jak jsem pozoroval minulý týden, poměr signálu a šumu pro tuto kategorii dosáhl omračujícího maxima, protože výzkumníci soutěží veřejně o obrovské množství potenciálního financování, které byly bezpochyby uvolněny tímto rokými průlomy.

Říká se, že většina odevzdání tohoto druhu jsou pouhé inkrementální pokroky, v nejlepším případě. Základní problémy, které zůstávají v generativní umělá inteligence, se příliš nevyskytly letos: potřeba udržet identitu, LoRA-style, po celou dobu zobrazení postavy; potřeba delších běhů pro výstupní videa, s celkovou konzistencí (tj. prostředí a témat, atd., ne jen ID) udrženou; a pro zlepšení audio generace a manipulace v rámci generativních video a video-editačních architektur; mezi jinými.

Mesh horečka ustupuje

Minulý rok jsem pozoroval, že scéna prožívala pozoruhodný nárůst prací, které využívají tradiční CGI (tj. síťové reprezentace toho druhu, který sahá až do 70. let), nebo zařazují je do neuronových rámců. Pozoroval jsem významné snížení impulzu směrem k síťovým řešením, zejména ve druhé polovině roku, v roce 2025.

Mnohé z CGI-zahrnutých řešení v předchozí vlně prací, zejména těch, které se zabývají parametrickými lidskými ‘kontrolními’ postavami, jako je 3D tvarovatelné modely, mohly být nahrazeny novými schopnostmi difuzních generativních rámců, jako jsou Veo, Kling, Hunyuan a WAN, mezi mnoha jinými.

Práce, které se zabývají Gaussian Splat přístupy, byly také zřejmě ovlivněny buď zastavením vývoje, nebo překonáním 2025 difuzních generativních AI systémů; nebo obojím.

Před rokem jsem poznamenal, že počáteční vzrušení z Gaussian Splatting, které udělalo pozoruhodný dojem na konci roku 2023, se ustálilo v užší linii výzkumu. Letos vidím proud prací zaměřených na řešení významných nároků na zdroje tohoto přístupu, mezi jinými problémy.

Přesto bych charakterizoval Gaussian Splatting jako ‘právě zastavenu’, ale měli bychom si uvědomit, že tato technologie sahá až do počátku 90. let a je revenantní svou povahou.

Jednou výjimkou z tohoto obecného ústupu od síťových přístupů je zdánlivý nárůst zájmu o začlenění umělé inteligence do rámců zaměřených na 3D tisk.

Snížení bezpečnostních odevzdání

Můj poslední pozorování pro rok 2025 je, že kategorie ‘Bezpečnost’ v sekci Počítačové vědy na arXiv prokázala pozoruhodný pokles frekvence a kvality v roce 2025, a není snadné uhodnout proč.

Kryptografie a bezpečnost archiv byl pravděpodobně vždy druhým místem pro odevzdání prací, protože tento směr výzkumu je nevyhnutelně dominován soukromým sektorem proprietární IP – málo z toho se objevuje v akademických časopisech a téměř žádné z nich se neobjevuje na volných platformách, jako je arXiv.

Kromě toho mají odevzdání do této kategorie na arXiv vyšší než průměrný počet ‘gotchas’ – podhodnocených přiznání, často ukrytých na neočekávaných místech, která popírají nebo snižují zdánlivou hodnotu a novost práce. Jeden příklad by mohl být zdánlivě senzace metodou bezpečnostního porušení, které ve skutečnosti závisí na some ‘white box’ aspektu – tj. privilegovaném přístupu k datům nebo procedurám, jako je útočník nemohl pravděpodobně zabezpečit.

Co očekávat v roce 2026

Ačkoli média říká stále o boomu generativní umělé inteligence jako o opakování debaklu dot-com z počátku nultých let (s některými nesouhlasnými názory), toto vlastně představuje určitý druh falešného bezpečí. Z hlediska infrastruktury, investic, kultury a výzkumu nebyl takový čas v lidské historii.

Proto je těžké vidět, jakým směrem se výzkumná scéna bude vyvíjet v roce 2026, kromě toho, že – jako obvykle – řada dlouhodobých úsilí bude vyvrcholit mezi nyní a dubnem, s určitou ‘otiskem’ posedlostí a trendů z roku 2025, které je budou charakterizovat.

Jedním z vývoje, který by mohl pomoci krizi objemu odevzdání na arXiv a dalších portálech, je zákaz nebo kontrola AI-generovaných/pomocných prací, jako arXiv nedávno provedl pro recenzní články – nicméně rozsah zapojení umělé inteligence do kteréhokoli jednoho článku může být těžké kvantifikovat, protože umělá inteligence pronikla do výzkumné kultury (a peer review) stejně jako do jiných oblastí – jako kapka ‘inkoustu’, která ovlivňuje celou (existující) sklenici vody, spíše než radikálně mění médium.

Poprvé zveřejněno v pondělí 22. prosince 2025