🤖 Google DeepMind представила GenCeption — единую feed-forward модель для мультизадачного компьютерного зрения.
Модель использует замороженную диффузионную основу (text-to-video) и обучается на синтетических видео, что позволяет ей выполнять задачи оценки глубины, сегментации и определения позы камеры по текстовым инструкциям.
🌍 Переход к единому универсальному визуальному интеллекту (unified vision backbone) снижает вычислительную сложность и упрощает развертывание мультизадачных систем в робототехнике и беспилотном транспорте.
👤 Вместо установки множества разрозненных нейросетей можно будет использовать одну компактную модель, понимающую всё — от геометрии пространства до объектов — по текстовому описанию.
Источник 1: https://genception.github.io/