Atlas: O Modelo Omni Mundial da World Labs para Inteligência Espacial

A World Labs apresentou o Atlas, um "modelo mundial omni" para inteligência espacial. O Atlas é pré-treinado do zero para operar nativamente em texto, imagens, vídeo e 3D, combinando todas as entradas em um contexto espacial compartilhado. É um transformer de difusão autoregressivo multimodal que gera resultados consistentes com a geometria 3D que viu, e pode até imaginar o que está além dos quadros de entrada.

O que o Atlas Pode Fazer

O Atlas foi projetado para lidar com três tarefas principais: geração de mundos, reconstrução e simulação.

Geração Controlada por Câmera

O Atlas gera imagens e vídeos a partir de uma a seis imagens de referência com controle preciso de câmera. Você especifica o caminho da câmera — sem necessidade de prompts baseados em texto. Ele gera até 1 minuto de vídeo em 1440p. A partir de uma única imagem, ele pode extrapolar partes não vistas da cena (por exemplo, a parte de trás de um robô, um gramado ao lado de uma piscina).

Reconstrução Espacial

O Atlas reconstrói cenas do mundo real a partir de uma a dezenas de imagens de entrada. De acordo com a World Labs, ele supera os modelos de reconstrução 3D de última geração e produz tanto novos quadros de vista quanto saídas 3D explícitas. Isso é um avanço no problema de décadas de síntese de novas vistas a partir de imagens esparsas.

Simulação de Espaço-Tempo

O Atlas modela espaço e tempo a partir de vídeos de entrada. Ele pode reenquadrar vídeos para efeitos visuais e suporta fluxos de trabalho Real-to-Sim para robótica.

Geração de Imagens

A partir de texto, o Atlas pode gerar imagens e panoramas 360°, seguindo prompts complexos e renderizando texto com uma variedade de estilos visuais.

Detalhes Técnicos Principais

O modelo funciona codificando entradas em um "contexto espacial" — cada imagem é ancorada em uma posição 3D. Esse contexto permite que você coloque imagens não relacionadas em locais 3D arbitrários e o Atlas gerará um mundo que interpola entre eles (imaginando portas, corredores, etc.). Isso permite vídeos longos e controláveis: "você está encenando a cena, não puxando a alavanca de uma máquina caça-níqueis".

Para Quem é

Desenvolvedores que trabalham com criação de conteúdo 3D, simulação robótica ou qualquer pessoa que precise de geração de vídeo controlável a partir de entradas de imagens esparsas. O Atlas alimentará futuras versões do produto Marble da World Labs. O acesso antecipado está disponível no site da World Labs.