World Labs推出新一代世界模型Atlas，这是一个原生处理文本、图像、视频和3D的全能模型，能生成、重建和模拟各种世界，支持相机控制生成、空间重建等任务，性能随训练计算量提升而增强。
正文
World Labs 发布了新一代世界模型 Atlas，旨在实现空间智能。Atlas 是一个全能模型，原生处理文本、图像、视频和 3D 数据，采用多模态自回归扩散变换器架构，将所有输入整合到共享的空间上下文中，并基于此生成后续内容，保持 3D 一致性。其性能随训练计算量增加而提升。
Atlas 可执行多种任务： - 相机控制生成：根据一张或多张参考图像，在指定相机位置和角度生成新视图，支持像素级精确控制，可输出长达 1 分钟、1440p 分辨率的视频。 - 空间重建：从少量输入图像（1 到 100 多张）重建真实场景，生成新视角图像和显式 3D 输出（如点云或 3D 高斯泼溅），性能优于专门的重建模型。 - 时空模拟：处理输入视频的时空信息，实现视频重构图（如“子弹时间”效果）和机器人仿真（从真实视频重建环境并模拟传感器数据）。 - 图像生成：根据文本提示生成图像和 360 度全景图，支持复杂提示、文字渲染和多种视觉风格。
Atlas 将驱动 World Labs 的 Marble 等产品。目前，Atlas 已进入早期访问阶段，面向特定合作伙伴开放。
评论
根据评论内容，总结主要观点如下：
1. 稀疏图像重建能力突出（高认可度） - 评论1：认为这是目前从稀疏图像重建3D空间的最佳模型，用手机拍摄十几张照片即可重建整个房屋（"This seems like by far the best model yet for reconstructing 3D spaces from sparse images"） - 评论5：指出相机在模型理解的3D空间中移动，更接近真实机器人应用（"A camera moving through a 3D space the world model understands is getting much closer to real robotics applications"）
2. 时间一致性与连续性存疑（中等认可度） - 评论1：质疑时间冻结与相机移动的矛盾，认为时间一致性可能不佳（"time is always frozen while the camera is moving... Maybe the temporal consistency isn't very good?"） - 评论6：担心转身后物体是否保持连续性，还是像梦境般变化（"when you turn around, is the invented chair still there, or does everything shift like in a dream?"）
3. 对机器人领域有重要潜力（高认可度） - 评论3：强调模型能同时生成RGB和深度数据，对加速机器人数据飞轮意义重大（"Potentially very significant for accelerating the data flywheel challenge for robotics"） - 评论5：再次确认接近真实机器人应用场景
4. 对"世界模型"定义存在困惑（中等认可度） - 评论2：批评"世界模型"一词被滥用，失去明确含义（"What exactly does world model mean? I've seen it used so many times... its lost its meaning"）
5. 潜在应用与局限（中等认可度） - 评论9：提出可用于游戏地图快速迭代和独立开发中的3D物体提取（"rapid iteration of video-game map blocking... reduce friction in the early stages of indy development"） - 评论8：质疑能否处理大面积区域中的"战争迷雾"（"Can a reconstruct distinct areas of a larger area with a 'fog of war' in between?"） - 评论4：指出模型目前仅能重建虚幻引擎场景（"Can reconstruct [scenes from Unreal Engine]"）