Стартап World Labs, основанный «крёстной матерью AI» Фей-Фей Ли (ранее — проект ImageNet, Стэнфордская AI-лаборатория, Google), выпустил Atlas — первую мультимодальную world model, которая по нескольким фото или видео восстанавливает сцену в 3D и генерирует новые ракурсы, видео с управляемой камерой и симуляции для обучения роботов. Модель обучена с нуля одновременно на тексте, изображениях, видео и 3D-данных и объединяет их в единый «пространственный контекст», где каждый элемент имеет явную привязку к позиции камеры.
В отличие от предыдущего продукта World Labs — Marble, который сразу выдаёт готовый экспортируемый 3D-мир, — Atlas представляет собой более фундаментальную модель: она хранит и достраивает понимание пространства, а конкретный 3D-результат (point cloudi, Gaussian splat, видео, панорама) получает по запросу. Компания прямо заявила, что Atlas станет основой будущих версий Marble.
1440pмаксимальное разрешение генерируемого видео
6максимум референсных изображений на входе
до 1 минутымаксимальная длительность видео
Полный разбор →