Ett personligt perspektiv på datorvisionslitteraturtrender 2025

Etiska upplysningar och Gaussisk splatting minskar, medan den stora volymen av inlämnade artiklar representerar ett nytt problem för AI att ta itu med år 2026.

Yttrande Jag har följt forskning om datorseende och bildsyntes på arXiv och relaterade forum i ungefär sju år, på olika sätt – tillräckligt länge för att kunna urskilja återkommande mönster och trendförändringar. Men dessa observationer är anekdotiska. Jag önskar ärligt talat att jag hade tid att utnyttja den stora mängden ständigt växande data som representeras av Arxiv-publikationsflödet ensamt, vilket säkerligen är rikt på dolda insikter, med hjälp av maskininlärningsanalys. Som det ser ut nu kan jag bara rapportera mer nonchalant vad som kom till min kännedom. sedan jag senast övervägde saken.

Volym vid 11

Många av de trender i AI-forskningsrapporter som jag observerade under 2024 etablerade sig som ingångar under 2025; inte minst av dessa är den obevekliga och fortsatta ökningen av volym av AI-relaterade artiklar, i sig drivna av AI, till den grad att en upplevd kris:

Månatliga inlämningar till datavetenskapliga Arxiv-rapporter, oktober 2023–november 2025, med 3-månaders rullande medelvärde överlagrat. Källa

Denna tillväxttakt karakteriserades som en exponentiell fördubbling av volymen av AI-rapporter, många år sedan, och det har bara fått ett djupare fäste i takt med den senaste tidens tillkomst av AI-investeringsmani har ökat insatserna, liksom mängden tillgänglig finansiering för AI-relaterad forskning.

Fullständig statistik för 2025 är ännu inte tillgänglig, och den aggregerade statistiken som visas ovan representerar de generella siffrorna som ökar inom alla kategorier. Nedan kan vi se att datavetenskap fortsätter att dominera trenden, betydligt högre än sina stallkamrater:

Ökning av inskickade databasstudier 2022-2025. Källa

Sortera agnarna

I oktober, starten av höstens konferenssäsong, som alltid för med sig en flod av ny forskning, förde istället en DOS-attacknivåvolym av inskickade bidragvilket ger ytterligare drivkraft och brådska åt den hittills undertecknade forskningsdelen av analys av forskningstrenderMed andra ord dyker det alltmer upp artiklar och databaser som i sig själva försöker minska det försämrade signal-brus-förhållandet inom forskningsscenen.

Det senaste kom så sent som förra veckan, i form av Nyhetsrankning, en papper och GitHub repository som finjusterar LLM:er som Qwen3-4B-Instruktion-2507 och SciBERT så att de kan utföra binär klassificering av inskickade artiklar (förutsäga "nyhet" utifrån tidigare bidrag), eller parvis jämförelse av nyhet (jämföra nuvarande bidrag för "nyhet"):

NoveltyRank-systemet jämför titel och sammanfattning av en inlämning med liknande tidigare uppsatser, sammanfattar skillnaderna med hjälp av en LLM och skickar detta till en finjusterad Qwen3-4B-modell som avgör om arbetet räknas som "konceptuellt nytt". Källa

Problemet med sådana "sållningsmetoder" är utmaningen med definiera meningsfulla variablerNoveltyRank-metoden använder en artikels acceptans för konferenser som ett index för nyhet, och – kanske ganska avfärdande – använder Arxiv-publicering som ett bakgrundsindex för negativ nyhet.

Detta förutsätter två felaktiga premisser: för det första att alla konferensgodkända bidrag är nya, eller av betydelse, vilket uppenbarligen inte är fallet; och för det andra att nyheten i sig är av ovillkorligt värde. Den som har slösat en halvtimme på några av de tveksamma, till och med löjliga, artiklar som lämnats in – kanske – enbart för att vidhålla "Publicera eller förgås"-kvoter, kommer att veta att nyhet ofta är trivial och inkrementellt arbete ofta betydelsefullt.

Att förstå värdet av en ny artikel involverar ett område där AI för närvarande används väldigt svag – långsiktig sammanhangPå grund av det ofta oärliga sättet de skrivs på kan artiklar som verkar banbrytande ofta avslöjas som mindre framsteg i befintligt arbete; automatiserade system måste dock utveckla en "intuition" för sådana fall, utan att flagga flera falska positiva resultat och utan att förlita sig på de inskickade författarnas ärlighet.

Etiskt dyk

Som jag har observerat tidigare, portaler som Arxiv är ganska motståndskraftiga mot laissez faire skrapning, och de datadumpar de tillhandahåller saknar ofta detaljerad information.

Därför, även om jag hade haft resurser och tid att ladda ner och extrahera funktioner från ett tillräckligt representativt tvärsnitt av datavetenskapliga artiklar, kommer många av de mer subtila trenderna inte att ha blivit inriktade på eller analyserade.

En av dessa är närvaron eller frånvaron av etiska uttalandenlång en obligatorisk inkludering Inom biologiska vetenskaper som berör djurförsök nåddes kulmen 2024 för trenden mot etisk karakterisering av ett föreslaget arbete, i slutet av antalet inlämnade artiklar i kategorin datavetenskap.

Anekdotiskt säger jag att denna praxis har fallit utför under 2025. Min gissning är att den nuvarande amerikanska regeringens ivriga avregleringsansträngningar, i relation till AI-utveckling, har gett forskarsamhället både i USA och utomlands, en viss ökad licens och en känsla av implicit skydd från rättslig exponering.

Trots dess stödja När det gäller reglering mot deepfakes har den nuvarande amerikanska administrationen effektivt återställt mycket av den "vilda västern"-hållning som kännetecknade eran 2021-23 – även om det sammanhang av ren vetenskaplig forskning som definierade den sedan dess har utvecklats till innerliga, till och med historiska, investeringsnivåer.

Generativa videorapporter som 'AI-slöj'

Med lanseringen av Hunyuan Video och WAN generativa videoserier under förra vintern, AI-video har helt förändrats år 2025. Gamla vägspärrar som svårigheten att skapa avatarer med komplett fysik, eller av få övertygande profilvisningar av en person, sveptes bort till synes över en natt.

De rikliga viktinkluderade utgåvorna av detta slag från Kina har, det kan argumenteras att, satte takten för generativa videosläpp i år, och är åtminstone ett motverkande tryck på tendensen hos västerländska AI-videoarkitekturer att vara betydligt mer censurerade, förkommersialiserade och föreskrivna.

Ocuco-landskapet avsaknad av vallgrav i denna ironiskt nog demokratiska CCCP-ledda scen har lett till hundratals, om inte tusentals, företag som försöker utnyttja den gryende marknaden för slutledningar genom att erbjuda användarvänliga portaler, med aktörer så olika som civit.ai och RunPod att dra nytta av procedurer och tekniker som i många fall skulle kunna köras på inhemska datorer.

I allmänhet är dessa initiativ kortsiktiga kapitalinsatser som förväntas uppvägas av eventuell marknadskonsolidering (även om deras grundare utan tvekan inte skulle ha något emot att av misstag snubbla över en dominerande marknadsandel, om det skulle inträffa).

Samma vardaglighet och replikering har drabbat den generativa videosträngen i Arxivs bidrag år 2025. Som jag observerades förra veckan, signal-brusförhållandet för denna kategori har nått en bedövande topp, då forskare tävlar offentligt om de enorma mängder potentiell finansiering som årets genombrott utan tvekan har frigjort.

Med det sagt är den stora majoriteten av den här typen av bidrag i bästa fall bara stegvisa framsteg. De kärnproblem som kvarstår inom generativ AI har inte kommit till ytan särskilt mycket i år: behovet av att behålla identiteten, LoRA-stil, genom hela en karaktärsskildring; behovet av längre speltider för utgående videor, med bibehållen övergripande konsistens (dvs. av miljöer och teman, etc., inte bara ID); och för förbättrad ljudgenerering och manipulation inom generativa video- och videoredigeringsarkitekturer; bland annat.

Meshfeber avtar

Jag observerade förra året att scenen upplevde en märkbar ökning av tidningar som marknadsför system som utnyttjar traditionell CGI (dvs. nätbaserade representationer av den sorten som härstammar från 1970-talet), eller integrera det i neurala ramverkJag har observerat en betydande minskning av drivkraften mot mesh-baserade lösningar, särskilt under senare halvan av året, under 2025.

Många av de CGI-inkorporerade lösningarna i den tidigare vågen av artiklar, särskilt de som handlar om parametriska mänskliga "kontroll"-figurer som 3D-morfbara modeller, kan ha ersatts av de nya funktionerna hos diffusionsbaserade generativa ramverk som Veo, Kling, Hunyuan och WAN, bland många andra.

Samtidigt, dokument som handlar om Gaussisk Splat tillvägagångssätt har tydligen också påverkats antingen av utvecklingsstagnation, eller genom att ha överskuggats av 2025 års diffusionsbaserade generationens AI-system; eller båda.

För ett år sedan noterade jag att den inledande spänningen kring GSplat, vilket gjorde en anmärkningsvärt intryck i slutet av 2023, hade sjunkit ner i snävare forskningsinriktningar. I år ser jag en ström av artiklar som syftar till att ta itu med de betydande resurskraven för denna metod, bland andra problem.

Även om jag skulle karakterisera Gaussisk Splatting som "för närvarande avstannad", bör vi komma ihåg att den här tekniken går tillbaka till början av 1990-talet och är revoltant till sin natur.

Ett undantag från denna allmänna reträtt från nätbaserade tillvägagångssätt är ett uppenbart ökat intresse för att integrera AI i ramverk som syftar till 3D-utskrift.

Minskning av AI-säkerhetsinlämningar

Min sista observation för 2025 är att kategorin "Säkerhet" i datavetenskapssektionen på Arxiv har uppvisat en märkbar minskning av frekvens och kvalitet under 2025, och det är inte lätt att gissa varför.

Ocuco-landskapet Kryptografi och säkerhet Arkiv har utan tvekan alltid varit en andra klassens plats att publicera artiklar, eftersom denna forskningsgren föga förvånande domineras av privat sektors proprietära IP – varav lite dyker upp i akademiska tidskrifter, och nästan inget av det syns på gratis plattformar som Arxiv.

Dessutom har bidrag till denna kategori på Arxiv ett högre än genomsnittet antal "gotchas" – underskattade medgivanden, ofta begravda på oväntade platser, som förnekar eller minskar uppsatsens skenbara värde och nyhet. Ett exempel skulle vara en till synes sensationell säkerhetsintrångsmetod som faktiskt förlitar sig på någon form av "vit låda" – dvs. privilegierad åtkomst av något slag till data eller procedurer, som en angripare sannolikt inte skulle kunna säkra.

Vad man kan förvänta sig under 2026

Även om media är riffande ständigt om Gen AI-boomen som en upprepning av dot.com-boomen och -kraschen från början av 2000-talet (med viss oliktänkande), verkar detta faktiskt representera en sorts falsk trygghet. När det gäller infrastruktur, investeringar, kultur och forskning, har det förmodligen inte funnits en sådan tid som denna i mänsklighetens historia.

Därför är det svårt att se åt vilket håll forskningsscenen kommer att utvecklas under 2026, förutom att – som vanligt – ett antal långsiktiga insatser kommer att kulminera mellan nu och april, med en viss "prägel" av 2025 års besattheter och trender som utmärker dem.

En utveckling som kan hjälpa till med krisen med inlämningsvolymer på Arxiv och andra portaler är ett förbud mot eller kontroll av AI-genererade/stödda dokument, eftersom Arxiv nyligen antagen för granskningsartiklar – omfattningen av AI:s inblandning i en enskild artikel kan dock visa sig svår att kvantifiera, eftersom AI har penetrerad forskningskultur (Och Peer review) hur mycket det än har inkräkta på andra domäner – som en droppe "bläck" som påverkar hela (det befintliga) vattenglaset, snarare än att radikalt förändra mediet.

Första gången publicerad måndagen den 22 december 2025