Para ser honesto, los gráficos están mayormente resueltos. Espero que la mayoría de los grupos de CG, excepto los más importantes, estén haciendo investigación incremental en este punto. Ya hemos resuelto la "prueba de Turing" para los gráficos: ser capaces de renderizar gráficos de aspecto tan realista que la mayoría de la gente no pueda decir que no son fotos y vídeos reales. Así que si quieres hacer carrera en la industria gráfica, deberías entrar directamente en el mercado después de una licenciatura. Por otra parte, dudo que haya un crecimiento, probablemente sólo se reduzcan los puestos de profesores de gráficos en el futuro. Así que las cosas no se ven bien para los estudiantes de posgrado en gráficos que buscan permanecer en el mundo académico.
El aprendizaje automático, por otro lado, sólo ha comenzado recientemente a ser aplicado a los problemas del mundo real. Mientras que el entusiasmo comercial de hoy en día podría haber muerto en cinco años, se puede esperar hacer más investigación significativa allí ya que es todavía un campo muy abierto con toneladas de problemas de investigación.
Así que, para hacer un doctorado significativo, sin duda iría a ML, incluso si no es en el laboratorio superior en el mundo. Incluso hay problemas en ML en los que unos buenos conocimientos de ingeniería gráfica pueden ser útiles, por ejemplo para generar enormes conjuntos de datos de entrenamiento sintéticos para el reconocimiento visual. Por otro lado, incluso los mejores laboratorios de gráficos se están volcando en aplicar el aprendizaje automático a los problemas que quedan en los gráficos, por ejemplo el trabajo reciente de los laboratorios de Tom Funkhouser y Leonidas Guibas.