Pour être honnête, les graphiques sont principalement résolus. Je m'attends à ce que la plupart des groupes de CG, à l'exception des meilleurs, fassent de la recherche incrémentale à ce stade. Nous avons déjà résolu le "test de Turing" pour les graphiques : être capable de rendre des graphiques d'apparence si réaliste que la plupart des gens ne peuvent pas dire qu'ils ne sont pas de vraies photos et vidéos. Donc si vous voulez faire carrière dans l'industrie graphique, vous devriez entrer directement sur le marché après un diplôme de premier cycle. D'un autre côté, je doute qu'il y ait une quelconque croissance, probablement seulement une réduction des postes de professeurs de graphisme à l'avenir. Donc les choses ne'semblent pas bonnes pour les étudiants diplômés en graphisme qui cherchent à rester dans le milieu universitaire.
L'apprentissage automatique, d'autre part, n'a commencé que récemment à être appliqué à des problèmes du monde réel. Alors que l'enthousiasme commercial d'aujourd'hui pourrait s'être éteint dans cinq ans, vous pouvez vous attendre à y faire des recherches plus significatives car c'est encore un domaine très ouvert avec des problèmes de recherche.
Donc, pour faire un doctorat significatif, j'irais certainement vers le ML, même si ce n'est pas dans le meilleur laboratoire du monde. Il y a même des problèmes dans ML où de bonnes compétences en ingénierie graphique peuvent être utiles, par exemple pour générer d'énormes ensembles de données d'entraînement synthétiques. pour la reconnaissance visuelle. D'autre part, même les meilleurs laboratoires de graphisme se tournent vers l'application de l'apprentissage automatique à tous les problèmes qui restent en graphisme, par exemple les travaux récents des laboratoires de Tom Funkhouser's et Leonidas Guibas.