2025 में कंप्यूटर विज़न साहित्य के रुझानों पर एक व्यक्तिगत राय

नैतिक खुलासे और गॉसियन स्प्लैटिंग का चलन कम हो रहा है, जबकि प्रस्तुत किए गए शोध पत्रों की भारी मात्रा 2026 में एआई के लिए एक नई समस्या पेश करती है जिसका समाधान करना होगा।

राय मैंने लगभग सात वर्षों से arXiv और उससे संबंधित विभिन्न मंचों पर कंप्यूटर विज़न और इमेज सिंथेसिस अनुसंधान का अनुसरण किया है – इतने लंबे समय में मैंने आवर्ती पैटर्न और रुझानों में बदलाव को पहचान लिया है। लेकिन ये अवलोकन केवल व्यक्तिगत अनुभव पर आधारित हैं। ईमानदारी से कहूँ तो, काश मेरे पास इतना समय होता कि मैं अकेले arXiv प्रकाशनों द्वारा प्रस्तुत निरंतर बढ़ते डेटा के विशाल भंडार का उपयोग मशीन लर्निंग विश्लेषण के माध्यम से कर पाता, जो निश्चित रूप से छिपी हुई जानकारियों से भरपूर है। फिलहाल, मैं केवल अनौपचारिक रूप से उन चीजों की रिपोर्ट कर सकता हूँ जो मेरे ध्यान में आई हैं। जब से मैंने आखिरी बार इस मामले पर विचार किया था.

वॉल्यूम 11 पर

2024 में मैंने एआई शोध पत्रों के प्रस्तुतीकरण में जिन रुझानों को देखा, उनमें से कई 2025 में भी स्थिर बने रहे; इनमें से एक प्रमुख रुझान है एआई शोध पत्रों के प्रस्तुतीकरण में निरंतर और अटूट वृद्धि। आयतन एआई से संबंधित शोध पत्रों की संख्या, जो स्वयं एआई द्वारा संचालित है, इस हद तक कि एक कथित संकट:

अक्टूबर 2023 से नवंबर 2025 तक कंप्यूटर विज्ञान से संबंधित मासिक आर्काइव सबमिशन, जिसमें 3-महीने का रोलिंग औसत भी शामिल है।. स्रोत

इस वृद्धि दर को एआई शोध पत्रों की संख्या में घातीय रूप से दोगुनी वृद्धि के रूप में वर्णित किया गया था। कई साल पहलेऔर हाल ही में हुए आगमन के साथ ही इसने और भी गहरी पकड़ बना ली है। एआई निवेश का जुनून इससे जोखिम के साथ-साथ एआई से संबंधित अनुसंधान के लिए उपलब्ध धन की मात्रा भी बढ़ गई है।

2025 के लिए पूर्ण आँकड़े अभी उपलब्ध नहीं हैं, और ऊपर दिखाए गए समग्र आँकड़े सभी श्रेणियों में सामान्य रूप से बढ़ती संख्याओं को दर्शाते हैं। नीचे हम देख सकते हैं कि कंप्यूटर विज्ञान अपने समकक्षों की तुलना में काफी आगे बढ़ते हुए एक प्रमुख प्रवृत्ति का अनुसरण कर रहा है:

2022-2025 के दौरान कंप्यूटर विज्ञान संबंधी आवेदनों में वृद्धि। स्रोत

बेकार की चीजों को छांटना

अक्टूबर में, शरदकालीन सम्मेलन सत्र की शुरुआत हुई, जो हमेशा नए शोधों की बाढ़ लेकर आता है, लेकिन इस बार इसके बजाय कुछ और ही देखने को मिला। DOS हमले के स्तर के बराबर सबमिशन की मात्राइससे अब तक कम मांग वाले अनुसंधान क्षेत्र को अतिरिक्त प्रोत्साहन और तात्कालिकता प्राप्त हुई है। अनुसंधान प्रवृत्तियों का विश्लेषणदूसरे शब्दों में, ऐसे शोध पत्र और संग्रह तेजी से सामने आ रहे हैं जो स्वयं में अनुसंधान परिदृश्य में बिगड़ते सिग्नल-टू-शोर अनुपात को कम करने का प्रयास करते हैं।

सबसे ताजा घटना पिछले सप्ताह ही सामने आई, जो इस रूप में थी: नवीनता रैंकतक काग़ज़ और गिटहब भंडार जो एलएलएम को बेहतर बनाता है जैसे कि Qwen3-4B-Instruct-2507 और साइबर्ट ताकि वे प्रस्तुत पत्रों का बाइनरी वर्गीकरण कर सकें (पूर्व प्रस्तुत पत्रों से 'नवीनता' का अनुमान लगा सकें), या फिर जोड़ीदार नवीनता तुलना कर सकें (वर्तमान प्रस्तुत पत्रों की 'नवीनता' के लिए तुलना कर सकें):

नोवेल्टीरैंक प्रणाली किसी शोध पत्र के शीर्षक और सार की तुलना समान पूर्व शोध पत्रों से करती है, एलएलएम का उपयोग करके अंतरों का सारांश प्रस्तुत करती है, और इसे एक परिष्कृत क्वेन3-4बी मॉडल को भेजती है जो यह तय करता है कि क्या कार्य 'वैचारिक रूप से नया' माना जाता है। स्रोत

इस तरह के 'छानने' के तरीकों में समस्या यह है कि इसमें चुनौती यह है कि... सार्थक चरों को परिभाषित करनानोवेल्टीरैंक दृष्टिकोण किसी शोधपत्र की सम्मेलन में स्वीकृति को नवीनता के सूचकांक के रूप में उपयोग करता है, और - शायद कुछ हद तक उपेक्षापूर्ण ढंग से - आर्काइव प्रकाशन को पृष्ठभूमि सूचकांक के रूप में उपयोग करता है। नकारात्मक नवीनता।

यह दो गलत धारणाओं पर आधारित है: पहली, यह कि सम्मेलन में स्वीकृत सभी प्रस्तुतियाँ नवीन या महत्वपूर्ण हैं, जो स्पष्ट रूप से सत्य नहीं है; और दूसरी, यह कि नवीनता स्वयं ही असीमित मूल्य की है। कोई भी व्यक्ति जिसने कुछ दिखावटी, यहाँ तक कि हास्यास्पद शोध पत्रों पर आधा घंटा बर्बाद किया है - शायद - केवल अपनी उपस्थिति बनाए रखने के लिए प्रस्तुत किए गए शोध पत्रों पर। 'प्रकाशित करो या नष्ट हो जाओ' कोटावे यह जान जाएंगे कि नवीनता अक्सर तुच्छ होती है, और क्रमिक कार्य अक्सर महत्वपूर्ण होता है।

किसी नए शोध पत्र के महत्व को समझना एक ऐसा क्षेत्र है जिसमें एआई वर्तमान में सक्रिय है। बहुत कमजोर - दीर्घकालिक प्रसंगअक्सर जिस कपटपूर्ण तरीके से ये लेख लिखे जाते हैं, उनके कारण जो लेख मौलिक प्रगति का दावा करते प्रतीत होते हैं, वे अक्सर मौजूदा कार्यों में मामूली प्रगति के रूप में सामने आ सकते हैं; हालांकि, स्वचालित प्रणालियों को ऐसे मामलों के लिए एक 'सहज ज्ञान' विकसित करना होगा, ताकि कई गलत सकारात्मक परिणामों को चिह्नित किए बिना और प्रस्तुतकर्ताओं की ईमानदारी पर निर्भर किए बिना ऐसा किया जा सके।

नैतिक डुबकी

जैसा मेरे पास पहले देखा गयाArxiv जैसे पोर्टल काफी प्रतिरोधी हैं अहस्तक्षेप - नीति डेटा स्क्रैपिंग और उनके द्वारा उपलब्ध कराए गए डेटा डंप में अक्सर बारीक विवरणों की कमी होती है।

इसलिए, भले ही मेरे पास कंप्यूटर विज्ञान के शोध पत्रों के पर्याप्त रूप से प्रतिनिधि अनुभाग से विशेषताओं को डाउनलोड करने और निकालने के लिए संसाधन और समय हो, फिर भी कई सूक्ष्म रुझानों को लक्षित या विश्लेषण नहीं किया जा सकेगा।

इनमें से एक है उपस्थिति या अनुपस्थिति नैतिक कथन परिशिष्ट; लंबा एक अनिवार्य समावेशन पशु प्रयोगों से संबंधित जैविक विज्ञानों के लिए, 2024 में प्रस्तावित कार्य के नैतिक लक्षण वर्णन की प्रवृत्ति अपने चरम पर पहुंच गई, जो कंप्यूटर विज्ञान श्रेणी में प्रस्तुत पत्रों के अंत में देखी गई।

अनुभव के आधार पर, मैं कह सकता हूँ कि 2025 के दौरान इस प्रथा में अचानक भारी गिरावट आई है। मेरा अनुमान है कि कृत्रिम बुद्धिमत्ता के विकास के संबंध में वर्तमान अमेरिकी सरकार के तीव्र विनियमन-मुक्ति प्रयासों ने अमेरिका और विदेशों में अनुसंधान समुदाय को एक प्रकार की बढ़ी हुई स्वतंत्रता और कानूनी जोखिम से अंतर्निहित सुरक्षा का अहसास प्रदान किया है।

इसके बावजूद समर्थन डीपफेक विरोधी विनियमन के लिए, वर्तमान अमेरिकी प्रशासन ने प्रभावी रूप से 2021-23 के युग की विशेषता वाले 'वाइल्ड वेस्ट' रुख को काफी हद तक बहाल कर दिया है - भले ही विशुद्ध वैज्ञानिक अनुसंधान का संदर्भ, जिसने इसे परिभाषित किया था, तब से उत्साही, यहां तक ​​कि ऐतिहासिक स्तर के निवेश में विकसित हो गया है।

जनरेटिव वीडियो पेपर्स को 'एआई स्लोप' के रूप में देखा जा रहा है।

के प्रक्षेपण के साथ हुनयुआन वीडियो और WAN पिछली सर्दियों में जनरेटिव वीडियो श्रृंखला के दौरान, एआई वीडियो 2025 में पूरी तरह से बदल गया है। पुरानी बाधाएं जैसे कि पूर्ण-शारीरिक अवतार बनाने की कठिनाई, या का प्रोफाइल व्यूज को प्रभावी ढंग से प्राप्त करना एक व्यक्ति के अवशेष, जाहिरा तौर पर रात भर में बह गए।

चीन से इस प्रकार के प्रचुर वजन सहित जारी किए गए उत्पादों में, यकीननइस वर्ष जनरेटिव वीडियो रिलीज़ के लिए गति निर्धारित करने वाले ये आर्किटेक्चर पश्चिमी एआई वीडियो आर्किटेक्चर की अधिक सेंसरशिप, पूर्व-व्यावसायीकरण और निर्धारित होने की प्रवृत्ति पर कम से कम एक प्रतिकारक दबाव हैं।

RSI खाई का अभाव इस विडंबनापूर्ण लोकतांत्रिक, सीसीसीपी-नेतृत्व वाले परिदृश्य में सैकड़ों, बल्कि हजारों कंपनियां उपयोगकर्ता-अनुकूल पोर्टल पेश करके अनुमान के लिए उभरते बाजार का फायदा उठाने की कोशिश कर रही हैं, जिनमें विविध प्रकार के खिलाड़ी शामिल हैं। civit.ai और रनपॉड उन प्रक्रियाओं और प्रौद्योगिकियों से लाभ उठाना, जिन्हें कई मामलों में घरेलू कंप्यूटरों पर चलाया जा सकता है।

सामान्य तौर पर, ये पहलें अल्पकालिक नकदी हासिल करने के प्रयास हैं, जो अंततः बाजार के समेकन द्वारा विस्थापित होने की उम्मीद में की जाती हैं (हालांकि, निस्संदेह, यदि ऐसा होता है, तो उनके संस्थापकों को बाजार में एक प्रमुख हिस्सेदारी हासिल करने पर कोई आपत्ति नहीं होगी)।

यही नीरसता और दोहराव 2025 में Arxiv के सबमिशन में जनरेटिव वीडियो श्रेणी में भी देखने को मिला है। पिछले सप्ताह देखा गयाइस श्रेणी के लिए सिग्नल-टू-शोर अनुपात एक निराशाजनक चरम पर पहुंच गया है, क्योंकि शोधकर्ता इस वर्ष की सफलताओं से निस्संदेह जारी होने वाली संभावित धनराशि की भारी मात्रा के लिए सार्वजनिक रूप से प्रतिस्पर्धा कर रहे हैं।

हालांकि, इस तरह के अधिकांश सबमिशन केवल मामूली प्रगति ही हैं, या यूं कहें कि जनरेटिव एआई में जो मुख्य समस्याएं बची हैं, वे इस साल ज्यादा सामने नहीं आई हैं: पहचान बनाए रखें, LoRA-शैलीचरित्र चित्रण के दौरान; आउटपुट वीडियो के लिए लंबे रनटाइम की आवश्यकता, जिसमें समग्र स्थिरता (अर्थात, वातावरण और विषय आदि की, न केवल पहचान की) बनाए रखी जाए; और बेहतर के लिए ऑडियो पीढ़ी जनरेटिव वीडियो और वीडियो-एडिटिंग आर्किटेक्चर के भीतर हेरफेर; अन्य बातों के अलावा।

मेश फीवर में कमी आई

मैंने पिछले वर्ष देखा कि इस क्षेत्र में पारंपरिक सीजीआई (अर्थात, मेश-आधारित प्रतिनिधित्व (उस तरह के जो 1970 के दशक से चले आ रहे हैं), या इसे तंत्रिका तंत्र में शामिल करेंमैंने देखा है कि 2025 के उत्तरार्ध में, विशेष रूप से मेश-आधारित समाधानों की ओर रुझान में उल्लेखनीय कमी आई है।

पहले के शोध पत्रों में सीजीआई-युक्त कई समाधान, विशेष रूप से वे जो पैरामीट्रिक मानव 'नियंत्रण' आकृतियों से संबंधित हैं, जैसे कि 3डी मोर्फेबल मॉडलप्रसार-आधारित जनरेटिव फ्रेमवर्क जैसे कि Veo, Kling, Hunyuan और WAN आदि की नई क्षमताओं द्वारा इसे प्रतिस्थापित किया जा सकता है।

साथ ही, जिन पत्रों में इन विषयों पर चर्चा की गई है गॉसियन स्प्लैट ऐसा प्रतीत होता है कि विकास में ठहराव या 2025 की प्रसार-आधारित जनरेशनल एआई प्रणालियों द्वारा पीछे छूट जाने, या दोनों के कारण दृष्टिकोण प्रभावित हुए हैं।

एक साल पहले मैंने देखा था कि जीस्प्लैट को लेकर शुरुआती उत्साह, जिसने 2023 के अंत में उल्लेखनीय प्रभावयह शोध संकीर्ण क्षेत्रों तक ही सीमित हो गया था। इस वर्ष, मैं ऐसे कई शोधपत्र देख रहा हूँ जिनका उद्देश्य अन्य समस्याओं के साथ-साथ इस दृष्टिकोण की महत्वपूर्ण संसाधन आवश्यकताओं को संबोधित करना है।

हालांकि मैं गॉसियन स्प्लैटिंग को 'वर्तमान में रुका हुआ' कहूंगा, हमें याद रखना चाहिए कि यह तकनीक 1990 के दशक की शुरुआत की है, और प्रकृति में यह पुनर्जीवित होने वाली है।

मेश-आधारित दृष्टिकोणों से इस सामान्य पीछे हटने का एक अपवाद 3डी प्रिंटिंग के उद्देश्य से बनाए गए फ्रेमवर्क में एआई को शामिल करने में बढ़ती रुचि है।

एआई सुरक्षा संबंधी आवेदनों में कमी

2025 के लिए मेरा अंतिम अवलोकन यह है कि Arxiv के कंप्यूटर विज्ञान अनुभाग में 'सुरक्षा' श्रेणी में प्रस्तुतियाँ आवृत्ति और गुणवत्ता दोनों में उल्लेखनीय रूप से कम हो गई हैं, और इसका कारण समझना आसान नहीं है।

RSI क्रिप्टोग्राफी और सुरक्षा यह तर्क दिया जा सकता है कि शोधपत्र प्रकाशित करने के लिए अभिलेखागार हमेशा से ही एक द्वितीय श्रेणी का स्थान रहा है, क्योंकि इस प्रकार के शोध पर स्वाभाविक रूप से निजी क्षेत्र के स्वामित्व वाली बौद्धिक संपदा का प्रभुत्व है - जिसमें से बहुत कम अकादमिक पत्रिकाओं में सामने आता है, और लगभग न के बराबर ही यह Arxiv जैसे मुफ्त प्लेटफार्मों पर दिखाई देता है।

इसके अतिरिक्त, Arxiv पर इस श्रेणी में प्रस्तुत लेखों में औसत से अधिक संख्या में 'छिपे हुए तथ्य' पाए जाते हैं - ऐसे छिपे हुए तथ्य जो अक्सर अप्रत्याशित स्थानों पर दबे होते हैं और लेख के स्पष्ट मूल्य और नवीनता को नकारते या कम करते हैं। इसका एक उदाहरण सुरक्षा उल्लंघन की एक सनसनीखेज विधि हो सकती है जो वास्तव में किसी 'व्हाइट बॉक्स' पहलू पर निर्भर करती है - अर्थात्, डेटा या प्रक्रियाओं तक किसी प्रकार की विशेषाधिकार प्राप्त पहुंच, जिसे हमलावर संभवतः प्राप्त नहीं कर सकता।

2026 में क्या उम्मीद करें

हालांकि मीडिया रिफिंग निरंतर जनरेशनल एआई के उछाल को 2000 के दशक की शुरुआत में डॉट.कॉम बूम-एंड-बस्ट की विफलता की पुनरावृत्ति के रूप में देखा जा रहा है (साथ ही कुछ असहमति), यह वास्तव में एक प्रकार की झूठी सुरक्षा का प्रतिनिधित्व करता प्रतीत होता है। बुनियादी ढांचे, निवेश, संस्कृति के संदर्भ में। और शोध के अनुसार, मानव इतिहास में शायद ही कभी ऐसा समय आया हो।

इसलिए यह देखना मुश्किल है कि 2026 में अनुसंधान परिदृश्य किस दिशा में आगे बढ़ेगा, सिवाय इसके कि - हमेशा की तरह - कई दीर्घकालिक प्रयास अब और अप्रैल के बीच अपने चरम पर पहुंचेंगे, जिन पर 2025 के जुनून और रुझानों की एक निश्चित 'छाप' होगी।

एक ऐसा उपाय जो Arxiv और अन्य पोर्टलों पर जमा किए गए लेखों की संख्या में कमी लाने में सहायक हो सकता है, वह है कृत्रिम बुद्धिमत्ता (AI) द्वारा निर्मित/सहायता प्राप्त लेखों पर प्रतिबंध या नियंत्रण लगाना। Arxiv ने हाल ही में समीक्षा पत्रों के लिए एक अधिनियम लागू किया है। हालाँकि, किसी एक शोधपत्र में कृत्रिम बुद्धिमत्ता की भागीदारी की सीमा का सटीक आकलन करना कठिन हो सकता है, क्योंकि कृत्रिम बुद्धिमत्ता अनुसंधान संस्कृति में प्रवेश किया (और सहकर्मी समीक्षायह अन्य क्षेत्रों पर अतिक्रमण कर चुका है - जैसे स्याही की एक बूंद जो पानी के पूरे (मौजूदा) गिलास को प्रभावित करती है, बजाय इसके कि माध्यम को मौलिक रूप से बदल दे।

पहली बार प्रकाशित सोमवार, 22 दिसंबर 2025