動察 Beating AI 速報、李飛飛氏が設立した World Labs が Atlas を発表。公式によると、これは世界初のカメラを精密に制御して画像と動画を生成し、同時に 3D 再構築を完了できるマルチモーダル世界モデルです。
最も直感的な使い方は全景ドローンに似ていますが、Atlas は実際に周囲をすべて撮影する必要はありません。1〜2枚の写真を与え、カメラの軌道を描くだけで、撮影されていない壁の裏側、物体の背面、周囲の空間を自動的に補完し、仮想カメラを指定した軌道に沿って飛ばせます。最大で 1 分間、1440p の動画を生成可能です。
一般的な動画モデルは主にテキストや画像に基づいてピクセルを生成し続け、カメラの動きも通常「左に移動」「ズームイン」といったテキスト記述に依存します。Atlas は 3D 空間内のカメラの位置と角度を直接読み取り、深度と完全な 3D シーンも生成できます。入力する写真が多いほど、モデルが独自に補完する必要がある箇所は少なくなります。
これが World Labs がこれを「世界モデル」と呼ぶ理由でもあります。次のフレームがどう見えるかを推測するだけでなく、カメラがどこにあるか、物体がどこにあるか、視点を変えたら何が見えるべきかを理解します。World Labs はこれを使って現実空間をロボットトレーニング用のシミュレーション環境にも変換しています。Atlas は現在、一部のパートナーにのみ公開されています。