李飞飞创办World Labs发布Atlas世界模型，可生成最长1分钟1440p视频

摘要：Atlas原生支持文本、图像、相机位姿和3D深度信息，可进行相机控制生成、空间重建及时空模拟；目前已向部分合作伙伴开放Early Access。

产联社编译

9月2日，World Labs在社交媒体发布消息，由李飞飞创办的人工智能公司World Labs发布新一代世界模型Atlas。该模型从零开始预训练，采用多模态自回归扩散Transformer架构，可在统一模型中处理文本、图像、相机位姿和3D深度信息，并用于世界生成、空间重建和时空模拟。Atlas未来将成为World Labs旗下Marble及其它产品的底层模型。

在相机控制生成方面，Atlas将精确的相机几何信息作为原生输入，可根据指定的相机位置、角度和运动轨迹生成新视角。World Labs表示，模型可基于1至6张参考图像生成视频，最高支持1440p分辨率和1分钟时长。对于输入图像未覆盖的区域，Atlas会依据模型掌握的世界知识补全场景。

Atlas同时具备空间重建能力，可通过少量不同视角图像恢复真实场景。World Labs称，Atlas通常仅使用2至3张图像即可获得较为忠实的重建结果，同时也能够处理超过100张输入图像。模型可直接输出点云和3D Gaussian Splatting等三维表示，并与Marble平台衔接，用于机器人、游戏、设计和视觉特效等场景。

在机器人领域，Atlas重点支持Real-to-Sim应用。World Labs展示的案例中，仅从手机拍摄视频中提取24帧画面，即可重建大型真实环境；在模拟机器人移动过程中，Atlas还可生成机载传感器对应的RGB图像和深度数据，并辅助构建包含刚性物体、关节物体及可变形物体交互的仿真环境，为机器人训练和测试提供数据。

此外，Atlas可以利用3至5台普通手机或运动相机拍摄的多视角视频重建场景，实现类似“子弹时间”的自由视角视频重构，并支持根据文本或图像生成360度全景图。World Labs表示，Atlas目前已进入Early Access阶段，首先向部分合作伙伴开放。

商务合作/报料请联系侯经理 18801065284（微信同号）