ОтветыОпубликовано14 источники
Что такое Atlas — пространственная ИИ-модель World Labs
Atlas — мультимодальная модель World Labs для пространственного интеллекта: она работает с текстом, изображениями, видео и 3D данными. Модель должна сохранять согласованность сцены при движении камеры и генерировать новые ракурсы, в том числе тех частей пространства, которые не были напрямую показаны.
ОпубликовалОтредактировано с помощью GPT-5.6 LunaИзображения созданы с помощью GPT Image 1.5
Ответ на исследование
Ключевые выводы
- Atlas — мультимодальная модель World Labs для пространственного интеллекта: она работает с текстом, изображениями, видео и 3D данными.
- Модель должна сохранять согласованность сцены при движении камеры и генерировать новые ракурсы, в том числе тех частей пространства, которые не были напрямую показаны.
- World Labs заявляет о генерации видео до одной минуты в разрешении 1440p, реконструкции сцен по одному–десяткам изображений и поддержке 360 градусных панорам.
- Atlas планируется использовать в будущих версиях Marble, а также в визуальных эффектах, играх, дизайне и робототехнике.
Промпт ИИ
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Atlas, the multimodal AI world model launched by Fei-Fei Li’s World Labs, and how does it work, what 3D generation and reconstructio. Article summary: Atlas is World Labs’ next-generation “omni” world model: a single pretrained system that natively accepts text, images, video, and 3D/camera information to generate, reconstruct, and simulate spatially consistent environ. Topic tags: general, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
Atlas — это новая «омни»-модель World Labs, созданная для пространственного интеллекта. В отличие от обычного генератора изображений или видео, она должна учитывать не только внешний вид отдельных кадров, но и взаимное расположение объектов, положение камеры и структуру окружающего пространства. Модель обучена работать с текстом, изображениями, видео и 3D-информацией в едином контексте. 9
Проще говоря, World Labs пытается объединить в одной системе генеративное видео, реконструкцию трехмерных сцен и симуляцию возможных изменений пространства.
Как работает Atlas
World Labs описывает Atlas как мультимодальный авторегрессионный диффузионный трансформер, предварительно обученный с нуля. Модель связывает визуальные данные с их положением в общем пространственном контексте, а затем прогнозирует новые кадры, ракурсы или 3D-выходы, которые должны соответствовать этому контексту. 9
Пользователь может загрузить одну или несколько исходных фотографий, добавить сведения о камере или задать траекторию ее движения. После этого Atlas генерирует изображение или видео с нужного ракурса. Если часть сцены не попала в исходные материалы, модель пытается восстановить ее по косвенным признакам и собственным визуальным закономерностям.
Это важная оговорка: скрытые поверхности не «извлекаются» из реальности. Они реконструируются предположительно. Поэтому убедительный результат еще не означает, что модель точно измерила помещение, предмет или геометрию невидимой стены.
У Atlas можно выделить два связанных режима:
- Генерация с учетом камеры — создание изображений и видео при заданном положении или маршруте виртуальной камеры.
- Пространственная реконструкция — построение 3D-сцены и генерация новых видов по ограниченному набору изображений.
Та же пространственная модель, по замыслу World Labs, должна помогать создавать симуляции с изменяемым освещением, движением, фоном и конфигурацией объектов — например, для последующей работы с роботами. 9
Что умеет генерировать модель
Согласно описанию World Labs, Atlas поддерживает несколько сценариев:
- изображения и видео с управляемой камерой на основе одной или нескольких исходных картинок;
- изображения, заданные текстовым описанием;
- панорамы на 360 градусов;
- видео продолжительностью до одной минуты в разрешении 1440p.
9
Компания называет управление камерой «пиксельно точным». Это означает, что траектория камеры должна быть частью самого процесса генерации, а не простой постобработкой готового ролика. Потенциально такой подход позволяет менять композицию кадра, синтезировать движения камеры и создавать планы по нескольким визуальным референсам. 9
Главное преимущество здесь — не просто реалистичная картинка, а управляемая пространственная вариативность. Текст может описывать, что должно находиться в сцене, а изображения и параметры камеры — подсказывать модели, где находятся объекты и как на них смотреть.
Реконструкция 3D-сцен по нескольким фотографиям
World Labs утверждает, что Atlas способен восстанавливать реальные сцены по одному–десяткам входных изображений. По заявлению компании, двух или трех фотографий во многих случаях может быть достаточно для убедительного результата. Если же важнее точность и полнота исходных данных, модель способна использовать более 100 ракурсов. 9
Результатом должны становиться не только изображения с новых точек обзора, но и явные 3D-представления. Иными словами, Atlas стремится описать сцену так, чтобы затем строить дополнительные ракурсы, а не просто создавать последовательность кадров, правдоподобную лишь с одного угла.
Однако при редкой съемке неизбежны догадки. Модель может убедительно дорисовать скрытый предмет, комнату или участок поверхности, ошибившись в их форме, размерах или фактическом наличии. Поэтому визуально качественную реконструкцию нельзя автоматически приравнивать к точной инженерной съемке или сертифицированной 3D-модели.
Что показывают заявления о тестах
World Labs сообщает, что Atlas превосходит специализированные модели реконструкции 3D на внутренних оценках компании. В публикации представлены количественные результаты для двух направлений — генерации с учетом камеры и 3D-реконструкции. При этом сама компания отмечает, что ни один тест не отражает весь диапазон возможностей универсальной модели. 9
Это существенные результаты, но они остаются результатами, представленными разработчиком. В доступных материалах нет полного воспроизводимого пакета с детальными протоколами датасетов, оценками всех моделей, интервалами неопределенности, весами модели и независимыми репликациями. Поэтому преимущество Atlas корректнее воспринимать как заявление World Labs, а не как окончательно установленный отраслевой факт.
Для дальнейшей проверки особенно важны:
- длинные и сложные маршруты камеры;
- закрытые или неоднозначные участки сцен;
- точность размеров и геометрических измерений;
- согласованность на протяжении длинных видеопоследовательностей;
- корректность столкновений и физических взаимодействий;
- перенос результатов из синтетической среды на настоящих роботов.
Как Atlas связан с Marble
Marble — уже существующий пользовательский продукт World Labs для создания постоянных исследуемых 3D-миров. Он принимает текст, одно или несколько изображений, видео, панорамы и грубые 3D-структуры, после чего создает пространства, которые можно изучать и использовать в последующих рабочих процессах. 6
Atlas — не просто новое название функции Marble, а следующее поколение базовой модели, которое должно развивать эту продуктовую линейку. World Labs заявляет, что Atlas будет работать в будущих версиях Marble и других продуктах компании. 9
Таким образом, роли распределяются достаточно понятно: Atlas выступает более универсальной пространственной моделью, а Marble — доступной средой для создания и просмотра постоянных миров. Документация Marble описывает создание таких миров из текста, изображений и видео с возможностью дальнейшего исследования и использования в других инструментах. 6
World API и доступ для разработчиков
World Labs представила World API как публичный интерфейс для генерации исследуемых 3D-миров из текста, изображений, панорам, нескольких ракурсов и видео. Согласно документации, приложение отправляет запрос на создание мира, а затем получает готовый результат отдельным запросом. 8
3
Это не то же самое, что публикация самой Atlas в виде скачиваемой модели или локального инструмента реального времени. Документированный API ориентирован на асинхронную генерацию и последующее получение мира. Доступные материалы не подтверждают наличие публичной конечной точки Atlas, локальных весов или режима инференса в реальном времени. 3
8
9
Для разработчиков это означает, что сейчас публичный продуктовый интерфейс World Labs — Marble и API-сценарий генерации миров, а не обязательно прямой доступ ко всем функциям Atlas из исследовательского анонса.
Возможные применения
Визуальные эффекты
Управляемая камера может помочь художникам менять композицию отснятого материала, создавать виртуальные пролеты и получать новые планы по небольшому числу референсов. Главная ценность — в контролируемом изменении пространства, а не в создании одного изолированного кадра. 9
Видеоигры
Marble уже ориентирован на постоянные исследуемые среды. Atlas может расширить этот подход, помогая дизайнерам создавать или восстанавливать сцены с сохранением перспективы и пространственных связей между объектами. 6
9
Дизайн и визуализация
Архитектурные, промышленные и творческие команды потенциально смогут превращать текстовые описания, фотографии и другие референсы в навигируемые пространственные концепции. Управление ракурсом может сделать изучение идеи удобнее, чем работа с набором несвязанных рендеров. 6
9
Робототехника
World Labs описывает сценарий «из реальности в симуляцию»: создание виртуальных сред по обычным видеозаписям, генерацию RGB- и глубинных данных с точки зрения робота, а также изменение объектов, освещения, движения и фона для обучения навигации и манипуляциям. 9
Это амбициозное направление, но реалистичный внешний вид еще не доказывает правильность физики, надежность размеров или достаточную эффективность переноса из симуляции в реальный мир. Такие утверждения требуют отдельных проверок для каждой задачи.
Доступность, цена и неизвестные параметры
В опубликованных материалах Atlas не представлен как широко доступный продукт. World Labs собирает заявки на ранний доступ, тогда как Marble и World API остаются документированными публичными вариантами использования технологии. 9
8
В рассмотренном анонсе не раскрыты стандартная цена Atlas, размер модели, данные для обучения, аппаратная конфигурация, задержка инференса, пропускная способность и вычислительная стоимость одной генерации. 9
Для производственных команд это принципиально важно. Эффектная демонстрация не показывает, будет ли такой процесс доступен по цене при большом объеме, достаточно быстрым для интерактивной работы и стабильным на множестве разных сцен.
Итог
Atlas — попытка World Labs объединить генеративное видео, 3D-реконструкцию и пространственную симуляцию в одной мультимодальной модели. Ее ключевая идея — сделать положение камеры и трехмерный контекст полноценными входными данными, а не рассматривать каждый кадр как независимую картинку.
Заявленные возможности выглядят масштабно: управляемая генерация изображений и видео, восстановление сцен по редким ракурсам, явные 3D-представления и потенциальное использование в робототехнических симуляциях. Но на момент публикации Atlas остается системой раннего доступа. Пока нет независимых тестов, открытых данных о цене и задержке, а также проверок физической точности, наиболее корректно воспринимать Atlas как многообещающее исследовательское и продуктовое направление, а не как доказанное решение для промышленной эксплуатации.
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Что такое Atlas — пространственная ИИ-модель World Labs»?
Atlas — мультимодальная модель World Labs для пространственного интеллекта: она работает с текстом, изображениями, видео и 3D данными.
Какие ключевые моменты необходимо проверить в первую очередь?
Atlas — мультимодальная модель World Labs для пространственного интеллекта: она работает с текстом, изображениями, видео и 3D данными. Модель должна сохранять согласованность сцены при движении камеры и генерировать новые ракурсы, в том числе тех частей пространства, которые не были напрямую показаны.
Что мне делать дальше на практике?
World Labs заявляет о генерации видео до одной минуты в разрешении 1440p, реконструкции сцен по одному–десяткам изображений и поддержке 360 градусных панорам.