ニュース
World Labs社が、生成、再構築、時空間シミュレーションを統合した世界モデル「Atlas」をリリース。
World Labsは、テキスト、画像、動画、3D入力を処理するための統一アーキテクチャを採用した世界モデル「Atlas」をリリースした。このモデルは、カメラ制御による生成、空間再構成、時空間シミュレーション、画像生成といった機能を網羅している。
World Labsは、生成、再構築、時空間シミュレーション機能を単一のアーキテクチャに統合した次世代世界モデル「Atlas」をリリースした。Atlasはゼロから事前学習されており、テキスト、画像、動画、3Dデータをネイティブに処理できます。その中核となるのは、異なる入力を共通の空間コンテキストに統合するマルチモーダル自己回帰拡散トランスフォーマーです。
公式に発表されたタスクには、1枚から6枚の参照画像からカメラの動きを制御できる動画を生成すること、少数の画像からシーンや明確な3D結果を再構築すること、動画から空間と時間をモデリングすること、テキストから画像や360度パノラマを生成することなどが含まれます。パフォーマンスに関する結論は、現時点では主にWorld Labs独自の評価に基づいています。