【arXiv 2026】GenCeption：视频生成模型是通用视觉学习者｜从生成式视觉预训练范式视角本文解读 arXiv 2026 论文《Video Generation Models are General-Purpose Vision Learners》。该论文提出 GenCeption，把大规模文生视频扩散模型改造为单步前馈的通用视觉感知模型，通过统一 RGB 表示、可学习 token与统一 $L_2$ 损失，让 8 类稠密/稀疏任务共用一个骨干与解码器，其特别之处在于仅用纯合成视频数据训练，即全面超越各任务专用 SOTA。实验表明法向 Hi4D mAE 10.99、深度 Goliath AbsR