01
只用 3 部固定在三脚架上的 iPhone，Atlas 就能重现《黑客帝国》式的“子弹时间”，让镜头绕着凝固的动作移动。
这是 World Labs 最新发布的世界模型 Atlas 展示的能力之一。据 DeepTech 此前报道，这是全球首个多模态世界模型。它能以像素级精度控制镜头，根据参考图生成最长 1 分钟、最高 1,440p 的视频，还可用 1 张至数十张图像重建真实空间，输出新视角画面和显式 3D 结果。
近日，World Labs 联合创始人李飞飞、Justin Johnson 和 Ben Mildenhall 做客 a16z Show，与主持人 Martin Casado 讨论 Atlas。谈话从设计选择展开，也回顾了团队由多模态世界模型 Marble 转向 Atlas 的过程。
对谈中，团队将 Atlas 的核心能力称为“新视角预测”。区别于一般视频模型沿时间轴预测下一帧，Atlas 能够根据已有画面与相机位姿等，判断镜头移动到另一个时空位置后会看到什么。
李飞飞认为，生成具有空间语境和现实依据的像素，是通往空间智能的一步。这种能力既能帮助创作者维持场景与物体的一致性，也可能把现实环境转成机器人训练所需的模拟空间。
谈及后续路线，团队计划增强模型对动态变化和场景编辑的支持，并探索与机器人行动规划的结合，使其从呈现三维世界逐步走向理解和参与其中。
0
评论 (0)