Google DeepMind suggère que les générateurs vidéo intègrent déjà les « modèles du monde » essentiels, jusqu’alors manquants à la vision par ordinateur.
Une nouvelle étude de Google DeepMind, baptisée GenCeption, explore une approche innovante en réutilisant un générateur vidéo existant pour des tâches traditionnelles de vision par ordinateur. Le système a été appliqué avec succès à des fonctions clés comme l’estimation de profondeur et la segmentation d’images. Il a démontré des performances équivalentes aux systèmes les plus avancés, tout en nécessitant une quantité de données d’entraînement considérablement inférieure.
Un aspect notable est que le modèle GenCeption a été entraîné presque entièrement à partir de vidéos générées synthétiquement. Ces résultats robustes enrichissent le débat au sein de la communauté scientifique, soulevant la question de savoir si les générateurs vidéo actuels encapsulent déjà une forme de modèle universel du monde.
Cette avancée pourrait potentiellement redéfinir les paradigmes de conception et d’entraînement des futurs systèmes de vision par ordinateur.
Source : The Decoder