Atlas - 李飞飞 World Labs 推出的多模态世界模型

Atlas是什么

Atlas 是李飞飞创立的 World Labs 推出的全球首个多模态世界模型。模型能同时理解文本、图像、视频和三维空间信息，将画面精准锚定在空间坐标系中。用户只需提供少量普通照片，可生成长达一分钟的高清运镜视频，或重建真实场景的3D点云模型。模型支持"子弹时间"特效重构和为机器人构建仿真训练环境，在影视制作、游戏开发和具身智能等领域具有广阔应用前景。

Atlas的功能特色

• 相机控制生成：上传 1–6 张参考照片并设定相机轨迹，可生成长达 1 分钟、1440p 的高清运镜视频，画面空间几何高度一致。
• 稀疏 3D 重建：仅需 2–25 张普通手机照片，无需专业扫描设备，可自动重建真实场景的 3D 点云或高斯泼溅模型。
• 时空模拟：理解空间结构与物理演化，支持"子弹时间"式多机位自由重构，并为机器人搭建 Real-to-Sim 仿真训练环境。
• 图像与全景生成：根据文本或图像提示，直接输出高质量图片及 360° 全景图，支持复杂提示与多种视觉风格。
• 像素级精确运镜：将相机位姿作为原生输入参数，实现导演级的精确视角控制，而非依赖模糊的文本描述。
• 空间几何一致性：通过 Spatial Context 将画面锚定在三维坐标中，确保跨视角生成不崩坏、不闪烁。
• 多任务统一架构：单一模型同时覆盖视频生成、3D 重建、时空模拟和图像生成，无需切换多个专用工具。

Atlas的核心优势

• 导演级运镜精度：原生支持相机位姿参数输入，告别模糊的文本描述，实现像素级的视角控制。
• 极低重建门槛：几张普通手机照片可输出高精度三维场景，无需专业扫描设备。
• 跨视角稳定输出：基于三维空间上下文锚定画面，保证多视角生成几何一致、无闪烁崩坏。
• 一模型多任务：单一架构同时覆盖视频生成、3D重建、时空模拟与图像创作，省去工具切换成本。
• 虚实无缝闭环：真实环境视频可直接转化为机器人数字孪生场景，大幅降低具身智能训练开销。
• 算力驱动成长：从零预训练且已验证规模扩展效应，性能随算力投入持续攀升，上限极高。

Atlas官网是什么

• Página web del proyecto：https://www.worldlabs.ai/blog/atlas

Atlas的操作步骤

• Obtener acceso：前往官网填写申请表单 https://form.typeform.com/to/zHFR4r3A，等待 Atlas 体验资格开通。
• Preparar el material：根据任务类型收集 1–6 张参考照片，或 2–25 张同一场景的不同角度图片。
• Modo de selección：在平台界面选定目标功能——视频生成、3D 重建、特效重构或图像创作。
• 设定参数：上传素材后，配置相机位姿与运动轨迹，或输入文本/图像提示词。
• 提交运算：确认参数后启动模型处理，等待系统完成推理与渲染。
• Exportar resultados：下载生成的 1440p 运镜视频、3D 点云/高斯泼溅模型，或 360° 全景图像。

Atlas的适用人群

• 影视与特效从业者：导演、摄影师、VFX 团队，需要快速生成分辨率达 1440p 的精确运镜大片，或用几部手机实现"子弹时间"特效。
• 游戏与虚拟场景开发者：美术团队、开放世界或 VR 项目开发者，希望将少量现实照片快速重建为可漫游的 3D 场景并直接导入引擎。
• 机器人与具身智能研究者：需要把真实环境视频转化为高精度数字孪生场景，供机器人在虚拟空间中反复训练试错，降低真实数据采集成本。
• 建筑与房地产从业者：建筑师、室内设计师、楼盘营销人员，仅凭现场照片即可重建完整 3D 模型，用于预售展示或古迹数字化存档。
• 广告与电商内容创作者：需要快速输出 360° 全景展示视频或风格化广告片，确保产品在不同运镜下几何与光影高度一致。

Atlas的常见问题

Q：申请 Atlas 需要什么条件？

A:目前需前往 World Labs 官网填写申请表单，等待审核开通体验权限。

Q：生成视频对输入照片有什么要求？

A:视频生成通常需要 1–6 张参考图；3D 重建则需要 2–25 张同一场景的不同角度普通照片，无需专业扫描设备。

Q：生成视频的最高规格是多少？

A:最长可生成 1 分钟、1440p 分辨率的运镜视频，且画面空间几何高度一致。

Q：是否必须用专业相机拍摄素材？

A:不需要，普通手机拍摄的照片或视频即可满足大部分功能需求，包括"子弹时间"特效也只需 3–5 部普通手机从不同角度拍摄。

Q：Atlas 能输出哪些格式？

A:支持输出图像、视频、3D 点云以及 3D Gaussian Splatting（高斯泼溅）模型。