PERCEPTION
视频生成模型：通用视觉学习者
Letian Wang, Chuhan Zhang, Rishabh Kabra, Jasper Uijlings, Steven Waslander, Andrew Zisserman, Joao Carreira, Kaiming He, Misha Andriluka, Eduard Gabriel Bazavan, Andrei Zanfir, Cristian Sminchisescu
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出GenCeption，利用预训练的视频生成扩散模型作为通用视觉感知骨干，通过文本指令执行多种视觉任务。实验表明，该方法在深度估计、表面法线、相机位姿、分割和3D关键点预测等任务上达到或超越专用模型水平。
关键词
video generationgeneralist vision modeltext-to-videoperceptionfoundation model
相关论文
PERCEPTION
📊 22,245 引用
Artificial intelligence: a modern approach
1995
PERCEPTION
📊 14,348 引用
Are we ready for autonomous driving? The KITTI vision benchmark suite
Andreas Geiger, P Lenz, R. Urtasun
2012
PERCEPTION
开放获取📊 9,777 引用
TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems
Martı́n Abadi, Ashish Agarwal, Paul Barham 等 20 位作者
2016
PERCEPTION
📊 9,681 引用
Vision meets robotics: The KITTI dataset
Andreas Geiger, Philip Lenz, Christoph Stiller 等 4 位作者
2013