World Labs представляет Atlas — модель нового поколения, разработанную для пространственного интеллекта. Atlas — это omni-модель, предобученная с нуля для нативной работы с текстом, изображениями, видео и 3D. Это мультимодальный авторегрессивный диффузионный трансформер, объединяющий все входы в общем пространственном контексте для генерации следующего кадра с сохранением согласованности в 3D и воображения за пределами наблюдаемых данных. Atlas масштабируется с увеличением вычислительных ресурсов для обучения и поддерживает генерацию, реконструкцию и симуляцию миров. Ключевые возможности: Генерация с контролем камеры, создающая до 1 минуты видео 1440p из одного или нескольких изображений с пиксельно-точным контролем камеры; Пространственная реконструкция, генерирующая новые ракурсы и явные 3D-выходы из входных изображений, превосходящая современные 3D-модели; Симуляция пространства-времени, позволяющая рабочие процессы Real-to-Sim для робототехники путем моделирования пространства и времени из видео; и Генерация изображений, создающая изображения и 360-градусные панорамы из текста со сложным следованием промптам и разнообразными визуальными стилями.

Atlas будет питать будущие версии Marble и другие продукты World Labs. Модель использует точную геометрию камеры как нативный ввод, позволяя точный кадринг и контроль движения. Закрепляя каждое изображение в 3D-позиции в пространстве, Atlas формирует пространственный контекст, позволяющий творческий контроль, например, размещение несвязанных изображений в 3D-пространстве для генерации плавных интерполяций, воображающих двери, коридоры и переходы. Для длинных видео Atlas объединяет движение камеры и управление пространственным контекстом, сажая пользователей в кресло режиссера для полной постановки сцены.