TL;DR
- Wat: Onderzoekers van Google DeepMind tonen aan dat een videogeneratiemodel — getraind om video's te maken — ook uitstekend werkt als allround beeldherkenner.
- Waarom relevant: Computer vision wordt hiermee potentieel goedkoper en breder inzetbaar, omdat je niet meer voor elke taak een apart model nodig hebt.
- Wat je ermee kunt: Houd in de gaten of jouw leverancier van beeldherkenning (kwaliteitscontrole, 3D-scanning, camerabewaking) overstapt op dit type generalistisch model — dat kan kosten en complexiteit verlagen.
Afgelopen week viel ik over een paper die op 10 juli verscheen: Video Generation Models are General-Purpose Vision Learners. De kernboodschap is dat een AI-model dat is getraind om video's te genereren, diezelfde kennis kan inzetten om beelden te begrijpen — van diepte-schatting tot het herkennen van lichaamshoudingen. Ik vind dat een opvallende wending, omdat het de manier verandert waarop computer vision als technologie tot stand komt.
Wat is GenCeption precies?
GenCeption is de naam die de onderzoekers geven aan hun aanpak. Het basisidee: neem een groot videogeneratiemodel (een zogenaamd diffusiemodel, hetzelfde type technologie achter tools als Sora en Veo), en bouw dat om tot een model dat beelden kan analyseren in plaats van alleen beelden kan maken.
Dat klinkt misschien tegenstrijdig. Een model dat video's fabriceert, hoe kan dat nuttig zijn voor het herkennen van echte objecten? De redenering van de onderzoekers is eigenlijk logisch: om realistische video te kunnen maken, moet een model heel veel leren over hoe de wereld eruitziet. Het begrijpt diepte, beweging, materialen, lichaamshoudingen, en hoe objecten zich door de tijd heen gedragen. Al die kennis zit al ín het model — GenCeption maakt die kennis bruikbaar voor analysetaken.
Vergelijk het met een ervaren filmregisseur die ook een scherp oog heeft voor details op een filmset. Wie weet hoe een scène er realistisch uit moet zien, herkent ook meteen wat er niet klopt.
Eén model, vijf taken
Wat mij het meest opvalt aan het onderzoek, is de breedte van taken die GenCeption aankan met één en hetzelfde model:
- Diepte-schatting — inschatten hoe ver objecten van de camera staan
- Oppervlaktenormalen — bepalen hoe een oppervlak georiënteerd is (handig voor 3D-reconstructie)
- Camerapositie-schatting — uitrekenen vanuit welk standpunt een opname is gemaakt
- Segmentatie op basis van taal — je beschrijft in tekst wat je wilt selecteren, en het model markeert precies dat deel van het beeld
- 3D-keypointdetectie — het herkennen van lichaamshoudingen in drie dimensies
Normaal gesproken bouw je voor elk van deze taken een apart, gespecialiseerd model. Dat kost trainingsdata, rekenkracht en onderhoud — maal vijf. GenCeption doet het met één architectuur, aangestuurd door tekstinstructies. Je vertelt het model in woorden wat je wilt weten over een beeld, en het levert het antwoord.
Opvallend weinig data nodig
De onderzoekers claimen dat GenCeption vergelijkbare resultaten behaalt als gespecialiseerde modellen, maar met 7 tot 500 keer minder trainingsdata. Dat is een flinke claim. Het paper is pas vier dagen oud en ingediend bij ECCV 2026. Ik heb nog geen onafhankelijke replicatie of peer-review-uitkomst gezien, dus ik zou dit als een veelbelovend maar nog niet definitief vastgesteld resultaat beschouwen.
Wat wél te verifiëren is: het model presteert op benchmarks vergelijkbaar met of beter dan gespecialiseerde modellen als DepthAnything3, SAM3 en VGGT-Omega. Die namen zeggen je misschien weinig, maar het punt is dat dit state-of-the-art-systemen zijn die elk voor één specifieke taak zijn gebouwd.
Wat betekent dit voor een ondernemer?
Computer vision is allang geen sciencefiction meer voor het Nederlandse bedrijfsleven. In de maakindustrie, logistiek en voedselverwerking wordt beeldherkenning al ingezet voor kwaliteitscontrole, het detecteren van beschadigingen en het tellen van producten. Bedrijven als EKB in Houten laten zien dat zelfs middelgrote bedrijven binnen een paar uur een werkende demo-opstelling kunnen hebben.
Maar tot nu toe geldt: elke nieuwe taak vraagt vaak een nieuw model, nieuwe training, nieuwe data. Stel dat je als ondernemer eerst productdefecten wilt detecteren, en later ook dozen in je magazijn wilt tellen en hun positie in 3D wilt vastleggen. Dat zijn nu twee aparte projecten.
Als de aanpak van GenCeption zich doorzet — en dat is nog een "als" — dan kan dat veranderen. Eén basismodel dat je met tekstinstructies aanstuurt voor verschillende taken. Minder maatwerk, minder data nodig, en daarmee lagere instapkosten.
Een kanttekening
Ik wil hier wel eerlijk in zijn: GenCeption is een onderzoeksresultaat, geen product dat je morgen kunt kopen. De stap van paper naar productiewaardige software is groot. Bovendien is het model getraind op synthetische data van menselijke video's — de onderzoekers laten zien dat het generaliseert naar echte beelden en zelfs naar dieren en robots, maar de robuustheid in echt industrieel gebruik is nog niet bewezen.
Waarom juist videogeneratie als basis?
Dit is voor mij het meest interessante deel van het verhaal. De onderzoekers stellen dat videogeneratie voor computer vision kan worden wat next-token prediction is voor taalmodellen — een universeel voortrainingsprincipe.
Bij taalmodellen werkt het zo: train een model om het volgende woord te voorspellen, en het leert vanzelf grammatica, feiten en redeneren. Bij videogeneratie geldt iets vergelijkbaars: train een model om realistische video te maken, en het leert vanzelf ruimtelijk begrip, bewegingspatronen en objectrelaties.
Ik vind het eerlijk gezegd fascinerend dat dezelfde technologie die wordt gebruikt om AI-gegenereerde filmpjes te maken, ook de basis kan zijn voor industriële beeldherkenning. Het zijn twee werelden die je niet direct met elkaar zou associëren.
Een breder patroon
GenCeption staat niet op zichzelf. Eerder dit jaar verscheen een vergelijkbaar paper — Image Generators are Generalist Vision Learners — dat hetzelfde principe toepaste op beeldgeneratie in plaats van videogeneratie. Er lijkt een trend te ontstaan waarin generatieve modellen worden hergebruikt als analysemodellen.
Kun je je voorstellen wat dit betekent als deze trend doorzet? Dan worden de enorme investeringen in het trainen van generatieve AI-modellen — door bedrijven als Google, OpenAI en Meta — indirect ook investeringen in betere en goedkopere computer vision. Dat zou de technologie toegankelijker maken voor kleinere bedrijven die nu de kosten van maatwerk-AI niet kunnen dragen.
Afsluiting
Voor mij is dit vooral een signaal dat de grenzen tussen "AI die dingen maakt" en "AI die dingen begrijpt" steeds meer vervagen. Dat is geen abstract academisch inzicht — het heeft directe gevolgen voor hoe snel en goedkoop computer vision beschikbaar wordt voor bedrijven die het nu als te complex of te duur beschouwen. Of GenCeption zelf het model wordt dat in fabrieken en magazijnen draait, weet ik niet. Maar het principe — generatieve modellen hergebruiken voor analyse — lijkt me een ontwikkeling om in de gaten te houden.