World Labs 发布全模态世界模型 Atlas:32 张图重建 NVIDIA 总部可实时飞行漫游
theworldlabs · x · 2026-09-18
Fei-Fei Li 的 World Labs 发布下一代世界模型 Atlas,一个从零预训练的全模态(omni)空间智能世界模型,原生处理文本、图像、视频和 3D。架构上是多模态自回归扩散 Transformer:所有输入被合并为共享的空间上下文,模型据此生成下一帧内容,在 3D 上与已见内容保持一致,并能「想象」视野之外的部分。官方表示性能随训练算力提升,且预计这一趋势将持续。
Atlas 覆盖四大能力:
- 相机控制的生成:从一张或多张图生成图像/视频,像素级精确的相机控制,最长 1 分钟 1440p 视频;
- 空间重建:从 1 到几十张输入图重建真实场景,同时输出新视角帧和显式 3D,宣称超过专门的 3D 重建 SOTA 模型;
- 时空模拟:从视频建模空间与时间,可重构视频实现戏剧化视觉效果,并支持机器人 Real-to-Sim 工作流;
- 图像生成:文生图与 360 全景,支持复杂提示词、文字渲染与多样风格。
演示中,仅用 32 张输入图就在 NVIDIA Blackwell GPU 上训练出可在 NVIDIA Voyager 总部实时穿行漫游的体验。Atlas 将驱动 Marble 的未来版本及其他产品。
所属事件:World Labs 发布全模态世界模型 Atlas，32 张照片重建 NVIDIA 总部(3 条相关)→
「多模态」频道最新
- 等不到电影上映？他用 AI 自己拍了支 DuckTales 预告片 — AIandDesign · 2026-09-18
- Runware 发布 P-Video-2 Pro 深度指南，覆盖镜头运动与口型同步 — aziz4ai · 2026-09-18
- Pruna 发布 P-Video-2 Pro:基于 MiniMax H3,5 秒视频约 2 秒生成 — aziz4ai · 2026-09-18
- ComfyUI 动画工作流:概念图一键生成任意角度画面与运镜 — petewoodbridge · 2026-09-18
- Phosphene 4.14 发布:Mac 本地写歌、一键修脸、剪辑器加音轨 — cocktailpeanut · 2026-09-18
- Phosphene 一键上架 Mac:本地免费用 YuE2 生成完整歌曲 — cocktailpeanut · 2026-09-18