世界实验室Atlas世界模型发布

世界实验室于2026年9月2日发布了Atlas,这是一个将文本、图像、视频和3D统一在单一架构中的世界模型。Atlas从头开始预训练,作为一个多模态自回归扩散Transformer,原生支持生成、重建和模拟。一项演示表明,仅凭三台三脚架上的智能手机,Atlas就能重建完整的3D场景,并从全新的、此前不存在的摄像机角度进行渲染。该模型标志着视频生成从修改帧向真正理解3D空间的转变。它被描述为一项突破,为全新类别的应用打开了大门;一位观察者称其稀疏视角重建“本不可能实现”并称之为“黑魔法”。世界实验室联合创始人李飞飞进一步放大了这一公告以及研究界的兴奋之情。
Key insights
Atlas从最少摄像机素材实现新视角渲染
Atlas仅使用三台三脚架上的智能手机拍摄的素材就能重建完整的3D场景,然后从从未实际拍摄过的角度合成视频。观察者称这一能力为“黑魔法”,因为它实现了看似不可能的事情。
Atlas采用单一多模态自回归扩散Transformer架构
Atlas从头开始预训练,使用单一自回归扩散Transformer原生处理文本、图像、视频和3D。它无需为每种模态单独建模即可执行生成、重建和模拟。
行业领袖称赞Atlas为开辟新应用类别的突破
李飞飞分享了研究人员的反应,他们称Atlas是一个突破性的世界模型,为全新类别的应用创造了可能性。这些强有力的认可凸显了其被认为具有变革潜力。
Atlas代表从帧操作到真正空间理解的转变
该演示表明,视频生成正在超越对现有帧的修改,转向对三维空间的真正理解,因为Atlas从从未记录过的角度重新组合场景。