浙大等四校开源 ATAS：剧本生成多镜头影片并保持 3D 世界一致
lmoroney · x · 2026-10-16
浙大、Monash、UC Berkeley 与 Adelaide 团队开源 ATAS（Any Time, Any Space）——一个以世界状态为核心的智能体视频生成框架。
- 解决什么问题：AI 生成短片切镜头后场景“穿帮”（家具位置变了、空间不一致）。
- 怎么做的：输入纯文本剧本，系统在背后维护一个持续的世界状态；场景记忆把每个地点的几何信息存进一个共享 3D 坐标系。每个镜头都是把世界状态投影到所需视角生成，生成结果再经过重建、配准与校验后才更新回世界状态。
- 核心组件：World-State Compiler 将剧本编译为有界的世界状态描述。
项目已在 GitHub 开源（MIT 协议），目前 203 star。
所属事件:浙大等四校开源 ATAS 框架,实现跨镜头一致的长视频生成(4 条相关)→
「多模态」频道最新
- 上海 AI Lab 发布 Intern Lumina U2:单模型统一图像视频 3D 理解与生成 — Shanghai-AI-Laboratory · 2026-10-16
- NAVER 提出 Speculative Forcing,加速自回归视频生成且不损画质 — naver-ai · 2026-10-16
- MFVSR 发布：3000 视频、16 语言的细粒度视频字幕去除基准 — Xiyan Huang · 2026-10-16
- 港理工发布 OmniCompass:全模态视频定位与理解综合基准 — VCLab-HKPU · 2026-10-16
- 研究者自省:文生图将成为 AI 控制研究摇篮的预言被证伪 — jd_pressman · 2026-10-16
- AI 生成火神与青峰肌肉猛男逛街，二次元写实化名场面 — EternalSnow05 · 2026-10-16