A Google DeepMind lançou o GenCeption, um modelo desenvolvido com base no Wan2.1, já pré-treinado para geração de vídeos, que se destaca na estimativa de profundidade, segmentação e determinação da pose em 3D, apresentando desempenho quase igual ou superior aos modelos convencionais. Para seu treinamento, foram utilizados apenas 7.500 vídeos sintéticos, quantidade bem menor do que a exigida por modelos tradicionais, e o modelo consegue ser aplicado em cenários reais com várias pessoas. No entanto, a velocidade de processamento ainda representa um desafio, ficando entre 6 e 10 segundos para cada vídeo composto por 81 quadros.