Cómo decidir entre un doctorado en gráficos por computadora o un doctorado en aprendizaje automático

Answer 1

Para ser sincero, los gráficos se resuelven principalmente. Espero que la mayoría de los grupos CG, excepto los principales, estén haciendo una investigación incremental en este momento. Ya resolvimos la “prueba de Turing” para los gráficos: poder renderizar gráficos de aspecto tan realista que la mayoría de las personas no pueden decir que no son fotos y videos reales. Entonces, si desea hacer una carrera en la industria gráfica, debe ingresar directamente al mercado después de una licenciatura. Por otro lado, dudo que haya un crecimiento, probablemente solo una reducción en los puestos de profesores de gráficos en el futuro. Por lo tanto, las cosas no se ven bien para los estudiantes graduados en gráficos que desean permanecer en la academia.

Machine Learning, por otro lado, solo recientemente ha comenzado a aplicarse a problemas del mundo real. Si bien el entusiasmo comercial de hoy podría haber disminuido en cinco años, puede esperar hacer una investigación más significativa allí, ya que todavía es un campo abierto con toneladas de problemas de investigación.

Entonces, para hacer un doctorado significativo, ciertamente iría a ML, incluso si no está en el mejor laboratorio del mundo. Incluso hay problemas en ML donde las buenas habilidades de ingeniería gráfica pueden ser útiles, por ejemplo, para generar un gran sintético. conjuntos de datos de entrenamiento para reconocimiento visual. Por otro lado, incluso los mejores laboratorios de gráficos están recurriendo a la aplicación del aprendizaje automático a cualquier problema que quede en los gráficos, por ejemplo, el trabajo reciente de los laboratorios de Tom Funkhouser y Leonidas Guibas.

Answer 2

Yo diría que hagas el que creas que más se ajuste a tu pasión e interés. Las otras respuestas aquí creo que son buenas, dado que debe considerar las tendencias / oportunidades de financiamiento en cada camino (CG vs ML). Honestamente, se centra en los problemas que percibes que podrían resolverse en cada posible dominio de investigación. Sin embargo, el aprendizaje automático parece ser el camino más moderno en estos días, y como también se ha sugerido en las otras respuestas, siempre puedes intentar combinar ambos en un espacio de problemas significativo e interesante si crees que tienes el impulso creativo ( y perseverancia para hacerlo). Si bien Computer Graphics podría tener problemas / oportunidades de investigación menos obvias disponibles (vi que aquí se mencionó que CG fue mayormente “resuelto”, lo cual es desafortunado, ya que CG es divertido; nunca olvidé aprender que necesito “ignorar la norma” en mi rayo -tracer), Computer Vision está lejos de resolverse a pesar del gran progreso realizado.

Si sigues el camino de ML, ya que yo también soy uno de los muchos investigadores graduados que intentan llegar al campo y debo enfrentarme a las personas famosas o “grandes” de las mejores universidades de las que hablas. de (solo otro corredor en lo que he acuñado como la “carrera de ratas de aprendizaje profundo”), te diré una cosa que he aprendido:

Ser eclipsado le da a uno una ventaja potencialmente diferente: se puede usar la falta de distracción (a menudo traída junto con la fama en general) para enfocarse en resolver los problemas difíciles que deben resolverse para avanzar el conocimiento humano, reconocimiento dado o no.

Además, a veces, las ideas más interesantes surgen de las sombras mismas 😉

Answer 3

¿Por qué no hacer las dos cosas? El aprendizaje profundo se ha aplicado recientemente a Computer Graphics con excelentes resultados. Hay muchas frutas bajas y buenos problemas en los que puede ser más fácil tener un impacto (en comparación con la clasificación de imágenes o PNL donde necesita muchos recursos para mejorar el estado del arte). Para saber más, puede consultar el taller de aprendizaje profundo en 3D de NIPS que tiene documentos muy buenos sobre clasificación y generación de formas, con GAN, por supuesto 🙂 http://3ddl.cs.princeton.edu/2016/

Answer 4

En mi opinión, no tienes que decidir entre dos grados. El programa de doctorado le permite especificar ciertos cursos que apoyarán el esfuerzo de investigación. Por lo tanto, elija un proyecto de investigación que incluya gráficos por computadora y aprendizaje automático. De esta manera, puede tomar cursos en ambas disciplinas porque ambas disciplinas apoyarían su disertación.

La otra forma es tomar el doctorado en uno y luego tomar una maestría en el otro. Elige el que liderarías y toma los maestros que tengan un poco menos intensivo o interesante. Es algo similar al paradigma mayor y menor en los años de pregrado.

La mejor de las suertes en tu carrera.

Answer 5

Realice un doctorado en Gráficos por computadora y será un experto en aprendizaje automático en múltiples entornos, incluidos entornos virtuales y aumentados (si ese es su interés). También hay muchos problemas de gráficos de computadora sin resolver con esos entornos. Virtual es todo un reino con sus propios problemas gráficos de computadora sin resolver.

Answer 6

Aunque depende de ti elegir entre estas dos opciones.

Pero si estuviera en su posición con la aptitud que usted mencionó, habría optado por el aprendizaje automático. Es un pastel caliente en estos días.