20260720

reviews/genception-review-20260713.md

@@ -0,0 +1,38 @@
+---
+title: "GenCeption Review"
+created: 2026-07-13
+type: review
+paper: "genception-video-vision-2026"
+---
+
+# GenCeption Review — Video Generation as General-Purpose Vision Pre-training
+
+📌 **基本信息**
+- 论文：Video Generation Models are General-Purpose Vision Learners
+- arXiv: 2607.09024
+- 发表：2026-07-10（ECCV 2026）
+- 作者：Google DeepMind + Toronto + UCL + Oxford + MIT + Lund
+- 项目：genception.github.io
+
+🎯 **核心概念**
+
+1. **[[video-generation-pretraining|视频生成预训练]]** — CV 的"next-token prediction 等价物"，同时满足时空+VL+规模化三条件
+2. **[[feed-forward-diffusion|前馈扩散]]** — 将多步迭代 DiT 改造为单步感知模型（t=0 + velocity 取反）
+3. **[[unified-task-representation|统一任务表示]]** — 所有稠密任务映射到 3 通道 RGB；稀疏任务通过 [[learnable-tokens-sparse|可学习 token]]
+4. **[[three-imperatives-vision|通用视觉三条件]]** — 统一评估预训练范式的分析框架
+5. **[[data-driven-task-specification|数据驱动任务规约]]** — 架构固定，任务差异仅体现在数据格式
+
+🔗 **概念网络**
+- **核心连接**：视频生成预训练 → 前馈扩散 → 统一表示 → 数据驱动规约
+- **工具概念**：[[rothko-raymap|Rothko Raymap]]（相机光线→RGB）、[[diffusion-as-feature-extractor|扩散特征提取]]（DiT→feature extractor）
+- **涌现现象**：[[sim-to-real-transfer-vision|Sim-to-Real 迁移]]（合成人→真实动物/机器人）
+
+📚 **Wiki 集成**
+- 新增页面：10 个（1 paper + 8 核心概念 + 1 辅助 + 1 review）
+- 纯 CV 领域新概念，与现有 Agent 知识网络无明显交叉
+
+💡 **关键洞察**
+
+1. **NLP 的 next-token prediction → CV 的 video generation**：这是理论上的对称类比，但实践上有力的证据——视频生成天然内化时空+VL+规模化
+2. **"Everything is a pixel map"**：与 LLM 的 "everything is a string" 同构的设计哲学——统一表示空间是 scaling 的关键
+3. **Sim-to-real 零样本泛化**：7,500 段合成人视频 → 理解动物/机器人的 3D 结构，暗示视频生成学到的远不止表面外观