李飞飞 World Labs 发布世界模型 Atlas:3 张照片即可重建 3D 空间
theworldlabs · x · 2026-09-05
李飞飞联合创办的 World Labs 发布多模态世界模型 Atlas,可生成带像素级相机控制的图像与视频帧,并将其在 3D 空间中重建。
- 核心架构:LLM 基于 next token 预测、视频模型基于 next frame 预测,而 Atlas 基于「新视角预测」(new view prediction),首次统一了像素生成与像素重建这两条分离半个世纪的计算机视觉问题
- 实际效果:数字化捕捉 3D 空间的成本降低 50-100 倍——过去重建一个房间需要 100-300 张照片,Atlas 只需 3 张
- 访谈还涉及《黑客帝国》子弹时间从数百台相机缩减到三台 iPhone、团队一夜之间用一条 Slack 消息决定押注公司的故事、以及机器人技术的瓶颈在数据而非芯片等观点
- a16z 的 Martin Casado 与四位联合创始人(李飞飞、Justin Johnson、Ben Mildenhall 等)参与对话
所属事件:李飞飞团队发布世界模型 Atlas，新视角预测成 AGI 基础原语(10 条相关)→
「多模态」频道最新
- 斯坦福 LILIE:语言信息监督让文生图 gFD 降低 14 个点 — StanfordUniversity · 2026-10-21
- 前 Google Brain/DeepMind 团队推出首个 AI 设计模型 Vyb — testingcatalog · 2026-10-21
- MOSS-Image 文本编码器支持多模态，可直接输入图像作为条件 — RandumbRedditor1000 · 2026-10-21
- 用 Opus 5.5 生成法律案例讲解视频，课堂演示效果惊艳 — technollama · 2026-10-21
- FastVideo 发布 FastH3 Omni 量化权重合集:FP8/NVFP4 适配 ComfyUI — multimodalart · 2026-10-21
- 用 Opus 5.5 把 30 分钟讲座浓缩成 7 分钟配音讲解视频 — solyarisoftware · 2026-10-21