World Labs 發布空間智能世界模型 Atlas：支援圖文與 3D 原生輸入，可生成 1 分鐘 1440p 影片

World Labs 宣布推出新一代空間智能世界模型 Atlas，這是一個從頭預訓練的多模態自迴歸擴散 Transformer。Atlas 能原生處理文字、圖像、影片、3D、相機姿態與深度資訊，並將所有輸入整合至共享的 3D 空間脈絡中。 在相機控制生成任務中，模型可根據單張或多張參考圖像，以像素級精度的相機控制生成新視角，最高可輸出長達 1 分鐘的 1440p 影片。在空間重建方面，Atlas 僅需 2 至 3 張圖像即可完成高保真重建，表現超越專門的 3D 重建模型；同時也支援輸入超過百張圖像，以減少模型自行生成的比例並精確還原真實環境。生成的場景可進一步轉換為 Gaussian splats 等實用的 3D 表示格式，以利快速渲染。 此外，Atlas 支援從文字生成圖像與 360 度全景圖，並具備時空模擬能力以實現機器人的 Real-to-Sim 工作流程。該模型未來將驅動 Marble 等 World Labs 旗下產品。