World Labs发布Atlas世界模型，支持图像视频3D生成与重建

World Labs 今日发布其下一代世界模型 Atlas，这是一个从头预训练的 omni 模型，原生支持文本、图像、视频和3D四种模态。Atlas 的核心架构是多模态自回归扩散 transformer，所有输入被整合到一个共享的空间上下文中，模型利用该上下文生成后续内容，并保持3D一致性。

Atlas 的主要能力分为三块。在相机控制生成方面，它可以从一到六张参考图像生成视频，支持像素级精确的相机路径控制，输出分辨率最高达1440p、时长一分钟。在空间重建方面，Atlas 能从一至数十张输入图像重建真实场景，同时生成新视角图像和显式3D输出，据称在稀疏输入下的重建效果优于专门做3D重建的模型。在时空模拟方面，它可对输入视频进行重构图，支持机器人领域的 Real-to-Sim 工作流。

Atlas 还支持从文本生成图像和360度全景图，能遵循复杂提示并渲染文字。World Labs 表示，Atlas 将驱动其未来版本的 Marble 产品及其他工具。目前 Atlas 已开放早期访问申请。