1 сентября компания World Labs — стартап известного исследователя компьютерного зрения Фей-Фей Ли — представила новую модель Atlas, которую разработчики называют «мировой моделью»: она генерирует, реконструирует и симулирует трёхмерные сцены на основе текста, изображений и видео. Главное отличие от большинства генераторов видео в том, как Atlas работает с камерой: вместо того чтобы угадывать движение по текстовому промпту, модель принимает траекторию камеры и геометрию сцены как отдельный входной параметр, поэтому облёт, наезд или панорама получаются точными и предсказуемыми, а не результатом случайной интерпретации.
На практике это означает, что из одного статичного изображения Atlas способен построить до минуты видео в разрешении 1440p с заданной пользователем траекторией камеры, сохраняя при этом геометрическую согласованность сцены на всём протяжении ролика. Модель также умеет реконструировать реальные локации по одному-двум кадрам, выдавая на выходе полноценные 3D-данные — карты глубины, облака точек и гауссовы сплаты, которые в теории можно подхватывать дальше в VFX-пайплайне.
В основе Atlas лежит мультимодальный авторегрессивный диффузионный трансформер, объединяющий текст, изображения, видео и 3D-данные в общее пространственное представление сцены — по сложности архитектуры разработчики сравнивают её с более ранними видеогенераторами вроде Sora. В слепых сравнениях, по данным World Labs, люди-оценщики предпочитали ролики Atlas видео конкурирующих моделей в 75-94% случаев, в зависимости от того, с кем именно сравнивали.
Для монтажёров и VFX-художников релиз интересен не как ещё один генератор роликов для соцсетей, а как потенциальный инструмент предпродакшена: точный контроль камеры и быстрая 3D-реконструкция локации закрывают часть работы, которую сейчас берут на себя аниматики, previz-сцены и фотограмметрия. Пока Atlas доступен в раннем доступе, и по-настоящему судить, насколько предсказуемо модель ведёт себя на сложных пользовательских сценах, а не только на отобранных демо-роликах, можно будет по мере расширения доступа к продукту.
