En personlig vurdering af computer vision litteraturtrends i 2025

Ethiske afsløringer og Gaussian Splatting er på tilbagegang, mens det enorme antal indsendte artikler repræsenterer et nyt problem for AI at tackle i 2026.

Opinion Jeg har fulgt computer vision og image synthesis forskning på arXiv og relaterede kanaler i omkring syv år, på tværs af forskellige kanaler – længe nok til at kunne skelne mellem gentagne mønstre og skift i tendenser. Men disse observationer er anekdotiske. Jeg ønsker ærligt, at jeg havde tid til at udnytte den enorme mængde af voksende data, som Arxiv-publicationen alene repræsenterer, som er rig på skjulte indsigt, ved hjælp af maskinlæringsanalyse. Som det er, kan jeg kun rapportere mere uformelt, hvad der er kommet til min opmærksomhed siden jeg sidst overvejede sagen.

Volume på 11

Mange af tendenserne i AI-forskningsartikelindsendelser, som jeg observerede i 2024, etablerede sig som faste i 2025; ikke mindst af disse er den uafbrudte og fortsatte stigning i volume af AI-relaterede artikler, som selv er fødet af AI, til et punkt, hvor en følt krise:

Månedlige computer science Arxiv-indsendelser, oktober 2023-november 2025, med 3-måneders glidende gennemsnit overlagt. Kilde

Dette vækstrate blev karakteriseret som en eksponentiel fordobling i volumen af AI-papirindsendelser, for flere år siden, og det har kun taget en dybere hold, da den nyeste opblomstring af AI-investering har hævet indsatsen, såvel som mængden af tilgængelige midler til AI-relateret forskning.

Fullständige statistikker for 2025 er ikke tilgængelige endnu, og de samlede statistikker ovenfor repræsenterer de generelle tal, der stiger på tværs af alle kategorier. Under kan vi se, at computer science fortsætter med at ride en dominerende tendens, betydeligt over sin stabile kammerat:

2022-2025 stigning i CS-indsendelser. Kilde

Sortering af byg

I oktober, starten på efterårs konference-sæsonen, som altid bringer en flod af nye forskningsresultater, kom i stedet en DOS-angrebs niveau volumen af indsendelser, som gav yderligere impetus og urgency til den hidtil under-tilskrevne forskningsstrang af forsknings tendensanalyse; med andre ord, papirer og repositorys, der selv søger at skære igennem den forværrende signal-til-støj-forhold i forskningsscenen.

Det seneste kom kun forleden uge, i form af NoveltyRank, en artikel og GitHub-repository, som finjusterer LLM’er som Qwen3-4B-Instruct-2507 og SciBERT så de kan udføre binær klassifikation af indsendte artikler (forudsiger ‘nyskabelse’ fra tidligere indsendelser), eller også parvis nyskabelse-sammenligning (sammenligner nuværende indsendelser for ‘nyskabelse’):

NoveltyRank-systemet sammenligner titlen og abstract af en indsendelse med lignende tidligere papirer, summerer forskellene ved hjælp af en LLM og sender dette til en finjusteret Qwen3-4B-model, der afgør, om arbejdet kan betegnes som ‘konceptuelt nyt’. Kilde

Problemet med sådanne ‘siftning’-tilgange er udfordringen ved at definere meningsfulde variable. NoveltyRank-tilgangen bruger en artikels accept til en konference som en indeks for nyskabelse og – måske lidt forhastet – bruger Arxiv-publication som en baggrundsindeks for negativ nyskabelse.

Dette antager to falske præmisser: først, at alle konference-accepterede indsendelser er nyskabende eller af betydning, hvilket åbenbart ikke er tilfældet; og anden, at nyskabelse selv er af ukvalificeret værdi. Enhver, der har spildt en halv time på nogle af de tvivlsomme, ja latterlige artikler, der er indsendt – måske – kun for at opretholde ‘publicer-eller-dør’ kvoter, vil vide, at nyskabelse ofte er trivial, og inkrementelt arbejde ofte betydeligt.

At forstå værdien af en ny artikel indebærer et område, hvor AI er i øjeblikket meget svag – langsigtede kontekst. Fordi de ofte er skrevet på en tvivlsom måde, kan artikler, der synes at bane vej, ofte afsløres som mindre fremskridt på eksisterende arbejde; dog må automatiserede systemer udvikle en ‘intuition’ for sådanne tilfælde, uden at flagge multiple falske positive, og uden at afhænge af den indsendende forfatters ærlighed.

Ethical Plunge

Som jeg har observeret før, er portalen som Arxiv ret modtagelig for laissez faire scraping, og de data-dumps, de leverer, mangler ofte granuleret detalje.

Derfor, selv hvis jeg havde ressourcerne og tiden til at downloade og udtrække funktioner fra en tilstrækkelig repræsentativ tværsnitsdel af computer science-artikler, vil mange af de mere subtile tendenser ikke være blevet målrettet eller analyseret.

En af disse er tilstedeværelsen eller fraværet af etiske udtalelse-kodiciller; længe en obligatorisk inklusion for biologiske videnskaber, der berører dyreforsøg, så 2024 det højeste punkt i tendensen mod etisk karakterisering af et foreslået arbejde, ved afslutningen af indsendte artikler i Computer Science-kategorien.

Anekdotisk siger jeg, at denne praksis er faldet dramatisk i 2025. Min gæt er, at den ivrige dereguleringsindsats fra den nuværende amerikanske regering i forhold til AI-udvikling har givet forskningsfællesskabet både i USA og i udlandet en vis øget licens og en vis implicit beskyttelse mod juridisk eksponering.

Uafhængigt af dets støtte til anti-deepfake-regulering, har den nuværende amerikanske administration effektivt genoprettet meget af ‘wild west’-holdningen, der kendetegnede 2021-23-æraen – selvom konteksten for ren videnskabelig forskning, der definerede det, har udviklet sig til en heftig, ja historisk niveau af investering.

Generative Video Papers som ‘AI Slop’

Med lanceringen af Hunyuan Video og WAN generative video-serien sidste vinter, er AI-video blevet fuldstændigt forvandlet i 2025. De gamle barrierer som sværheden ved at lave komplet-figur-avatare eller at opnå overbevisende profil-views af en person, blev fejet væk åbenbart over nat.

De overvældende vægt-inkluderende udgivelser af denne type fra Kina har, argumenteret, sat tempo for generative video-udgivelser dette år og er en vis modvirkende tryk på tendensen til, at vestlige AI-video-arkitekturer er langt mere censurerede, præ-kommercialiserede og foreskrevne.

Fraværet af en grav i denne ironisk demokratiske CCCP-ledede scene har ført til hundredvis, hvis ikke tusindvis af virksomheder, der søger at udnytte det nyopståede marked for inferens ved at tilbyde brugervenlige portaler, med spillere så forskellige som civit.ai og RunPod profiterer af procedurer og teknologier, der i mange tilfælde kan køres på hjemmecomputere.

Generelt er disse initiativer korte-sigtige pengegrab, der forventer at blive overtaget af eventuel markeds-konsolidering (omend deres grundlæggere ikke ville have noget imod at tilfældigt støde på en dominerende markedsandel, hvis det skulle ske).

Dette samme almindelighed og gentagelse har ramt den generative video-strang i Arxivs indsendelser i 2025. Som jeg observerede sidste uge, har signal-til-støj-forholdet for denne kategori nået et nummert peak, da forskere konkurrerer offentligt om de massive mængder af potentiel finansiering, som dette års gennembrud har sandsynligvis frigjort.

Det sagde, er det overvældende flertal af indsendelser af denne type kun marginale fremskridt, på bedste. De grundlæggende problemer, der er tilbage i generativ AI, har ikke overfladisk meget dette år: behovet for at opretholde identitet, LoRA-stil, hele vejen igennem en karakter-skildring; behovet for længere køretider for output-videoer, med samlede konsistens (dvs. af miljøer og temaer osv., ikke kun ID) opretholdt; og forbedret lyd-generering og manipulation inden for generative video og video-redigering-arkitekturer; blandt andre.

Mesh Fever Abates

Jeg observerede sidste år, at scenen oplevede en bemærkelsesværdig stigning i artikler, der fremhæver systemer, der udnytter traditionel CGI (dvs. mesh-baserede repræsentationer af den type, der går tilbage til 1970’erne), eller inkorporerer det i neurale rammer. Jeg har observeret en betydelig formindskelse af impetus mod mesh-baserede løsninger, især i den anden halvdel af året, over 2025.

Mange af de CGI-inkorporerede løsninger i den tidligere bølge af artikler, især de, der handler om parametrisk menneskelige ‘kontrol’-figurer som 3D-morfable modeller, kan være blevet erstattet af de nye muligheder i diffusion-baserede generative rammer som Veo, Kling, Hunyuan og WAN, blandt mange andre.

På samme tid er artikler, der handler om Gaussian Splat-tilgange, også åbenbart blevet påvirket enten af udviklings-stagnation eller ved at blive overgået af 2025’s diffusion-baserede gen AI-systemer; eller begge.

Et år siden bemærkede jeg, at den oprindelige ophidselse over GSplat, der gjorde et bemærkelsesværdigt indtryk i slutningen af 2023, var sunket ned i smallere linjer af forskning. Dette år ser jeg en strøm af artikler, der sigter mod at løse de betydelige ressourcekrav til denne tilgang, blandt andre problemer.

Selvom jeg ville karakterisere Gaussian Splatting som ‘i øjeblikket stagneret’, skal vi huske, at denne teknologi daterer tilbage til begyndelsen af 1990’erne og er revenant af natur.

En undtagelse fra denne generelle tilbagetrækning fra mesh-baserede tilgange er en åbenbar øget interesse for at inkorporere AI i rammer, der sigter mod 3D-print.

Formindskelse i AI-Sikkerhedsindsendelser

Min sidste observation for 2025 er, at ‘Sikkerheds’-indsendelseskategorien i Computer Science-sektionen på Arxiv har vist en bemærkelsesværdig nedgang i frekvens og kvalitet i 2025, og det er ikke let at gætte, hvorfor.

Kryptografi og Sikkerhed-arkivet har sandsynligvis altid været en anden-rangs plads til at poste artikler, da denne forskningsstrang er usædvanligt domineret af privat sektors ejendomsret – lidt af dette kommer frem i akademiske tidsskrifter, og næsten ingen af det ses i gratis platforme som Arxiv.

Derudover har indsendelser til denne kategori på Arxiv en højere end gennemsnitlig antal ‘gotchas’ – under-spillede indrømmelser, ofte gemt i uventede steder, der negere eller formindsker den åbenlyse værdi og nyskabelse af artiklen. Et eksempel ville være en åbenlyst sensationel sikkerheds-intrusionsmetode, der faktisk afhænger af en ‘hvid kasse’-aspekt – dvs. privilegeret adgang til data eller procedurer, som en angriber ikke sandsynligvis kan sikre.

Hvad at Forvente i 2026

Selvom medierne riffer konstant på Gen AI-boomet som en gentagelse af dot.com-boom-og-bust-debacle i begyndelsen af 2000’erne (med noget dissens), synes dette faktisk at repræsentere en slags falsk sikkerhed. I forhold til infrastruktur, investering, kultur og forskning, har der sandsynligvis ikke været en sådan tid som denne i menneskehedens historie.

Derfor er det svært at se, hvilken vej forskningsscenen vil udvikle sig i 2026, bortset fra, at – som sædvanligt – en række langsigtede bestræbelser vil kulminere mellem nu og april, med en vis ‘stempel’ af 2025’s besættelser og tendenser, der kendetegner dem.

En udvikling, der kan hjælpe med at løse indsendelses-volumen-krisen på Arxiv og andre portaler, er et forbud eller en kontrol over AI-genererede/hjulpet artikler, som Arxiv nyligt iværksatte for anmeldelsesartikler – dog kan det omfang af AI’s involvering i en enkelt artikel være svært at kvantificere, da AI har trængt ind i forskningskulturen (og peer review) på samme måde, som det har trængt ind i andre domæner – som en dråbe ‘blæk’, der påvirker hele (eksisterende) glas vand, snarere end radikalt ændrer mediet.

Først udgivet mandag, 22. december 2025