致命魔术

谷歌 DeepMind 发布 GenCeption：打破计算机视觉桎梏_我的网站

一 |

【环球网科技综合报道】9月14日消息，近日，中国科学家对月壤的研究更进一步——月球上不仅有水，而且存在高含量水。中国科学院官微发文称，地球化学研究所科研团队对嫦娥五号月壤样品开展研究，通过红外光谱和纳米离子探针分析，发现嫦娥五号矿物表层中存在大量的太阳风成因水。 IT之家 7 月 21 日消息，科技媒体 The Decoder 昨日（7 月 20 日）发布博文，报道称谷歌 DeepMind 发布 GenCeption 模型，将预训练的视频生成器重新用于深度估计和分割等经典计算机视觉任务。 IT之家援引博文介绍，大语言模型在学习预测下一个 Token 的时候，在训练过程中往往需要吸收语法、世界知识和上下文关系等内容。该研究证实了月表矿物是水的重要储库，为月表中纬度地区水的分布提供了重要参考。据悉，这一成果日前在国际学术期刊《自然·通讯》发表。根据科研团队的估算，太阳风质子注入为嫦娥五号月壤贡献的水含量至少为170ppm，相当于每吨月壤中至少含有170克的水。而今年1月份首次在月壤中发现有水时，测算的数据为每吨月壤中约有120克的水。但是在计算机视觉领域，视觉模型缺少等效的训练方法，主要由专业模型主导，包括用于分割的“Segment Anything”和用于深度估计的“Depth Anything”，每个模型都使用其特定的架构。

二 | 谷歌 DeepMind 团队为此提出 GenCeption 模型方案，尝试将一个“生成视频”的 AI 模型逆向改造成一个能“理解世界”的视觉分析引擎。这样一看，对比就很明显了，也就是为什么将嫦娥五号月壤"水"判定为高含量水。证实了月球有水，那么这些水又是从何而来的呢？据介绍，我国科研团队在今年1月份首次在月壤中发现有水时，发布了一组数据。

三 | 根据研究显示，1吨月壤中约有120克水，1吨岩石中约有180克水。

四 | GenCeption 打破了传统计算机视觉“一个任务一个专用模型”的格局，仅凭单一模型就能同时做好深度估计、图像分割、3D 姿态估计、表面法线预测和相机姿态估计等核心视觉任务。 GenCeption 基于阿里巴巴开源视频模型通义万相 Wan2.1 系列训练，与传统扩散模型需多步去噪不同，GenCeption 在一次前向传播中完成预测，从而提升视觉任务处理速度。

五 | 模型通过文本提示指定任务，可输出深度图、表面法线图、分割掩码，并可处理相机运动表示。

六 | 训练数据以合成为主。论文称，数据集仅包含 7500 段视频，由 800 个数字人体模型与 200 段动作捕捉序列组合生成，再通过 Blender 在不同背景和镜头角度下渲染。泛化方面，GenCeption 几乎只在单人合成视频上训练，但可处理真实多人视频，也可迁移到动物和类人机器人类别。并且结合样品分析，月壤中的水绝大部分是来自于太阳风的贡献，岩石中多出来的水则可能代表了月球内部水。

七 | 论文称，部分输出细节甚至超过训练时 Blender 渲染结果，可保留猫胡须和单根发丝边缘。性能方面，论文给出两组处理时间数据：小模型处理 81 帧视频约需 6 秒；大模型参数量为 140 亿，处理同样长度视频约需 10 秒。据报道，在今年6月份，我国科研团队还发现嫦娥五号着陆区月壤中明显含有羟基形式的“水”，但平均含量较低。参考。