World Labs发布全球首个多模态世界模型Atlas：支持像素级相机控制与3D重建

SmartHey9月2日消息，“AI教母”李飞飞联合创办的World Labs今日正式发布全球首个多模态世界模型——Atlas。该模型具备以像素级精度控制虚拟相机生成图像与视频帧的能力，并可同步完成高保真3D场景重建。

据World Labs官方介绍，Atlas从零开始进行全栈预训练，原生支持多模态输入，尤其专为理解并响应相机运动轨迹而设计，能将动态视角输入实时映射为一致、连贯的三维空间表征。

借助对多视角空间关系的深度建模，Atlas允许用户在三维上下文中精准定位输入视图，从而实现高度可控的图像与视频生成——例如模拟电影级“子弹时间”效果，即围绕静态对象自由环绕拍摄。

该模型仅需单张或多张输入图像，即可输出结构清晰、几何准确的显式3D模型，在重建质量与泛化能力上已超越当前主流开源三维重建方案。

用户可指定任意摄像机位姿（位置+朝向），Atlas将据此生成与原始输入内容和几何结构严格对齐的新视图；同时具备空间推理能力，能合理补全遮挡区域，平滑延展画面边界，实现视觉上自然连贯的场景扩展。

Atlas覆盖三大核心能力维度：世界生成、世界重建与世界模拟：

相机控制生成：支持基于1张或多张参考图，通过亚像素级相机参数调控生成高质量图像及最长60秒的1440p视频；

空间重建：兼容从单图到数十图的输入规模，既可生成新颖视角下的逼真渲染帧，也可输出带纹理与拓扑结构的显式3D网格，性能优于专用三维重建模型；

时空模拟：以输入视频为驱动，联合建模空间结构与时间动态，支持智能重构图、戏剧化镜头调度，并为具身智能体（如机器人）提供高保真仿真环境构建能力；

图像生成：兼容文本到图像、文本到360°全景等生成任务，可精准解析复杂提示词，支持多风格渲染与文字内容可视化。

World Labs透露，部分战略合作伙伴已获准参与Atlas抢先体验计划，面向开发者与企业的早期访问通道将于未来数周内正式启动。