연구진은 텍스트-비디오 생성 모델이 컴퓨터 비전 분야의 범용 모델을 만드는 데 중요한 역할을 한다고 주장했어요.
GenCeption은 사전 훈련된 비디오 생성 확산 모델을 활용해 다양한 시각 작업을 수행하는 인지 모델로, 깊이 추정, 표면 법선 추정 등에서 최고 성능을 달성했어요.
GenCeption은 기존 모델 대비 적은 데이터로도 뛰어난 성능을 보이며, 합성 비디오로 훈련된 모델이 실제 영상과 다양한 객체에 일반화되는 놀라운 현상을 보여줬어요.
연구 결과, 비디오 생성 모델은 물리 세계의 범용 시각 지능을 위한 기반이 될 수 있음을 시사하며, 프로젝트 페이지는 GitHub에서 확인할 수 있어요.