李飞飞发布：全球首个多模态世界模型

李飞飞团队World Labs发布全球首个多模态世界模型Atlas。该模型基于多模态自回归扩散Transformer架构，支持文本、图像、视频、3D深度图等多种数据类型，能实现像素级相机控制生成、3D场景重建及时空模拟。仅需一张图片即可生成最高1440p、1分钟视频，并可输出显式3D表示，效果优于专业重建模型。在机器人领域，Atlas支持Real-to-Sim工作流，通过少量照片即可生成逼真RGB和深度数据，用于模拟训练。该模型同时具备文本生成图像及360°全景图能力。研究团队表示，Atlas能力随规模扩大持续提升，现已开放早期访问申请。World Labs计划将其作为未来Marble等产品的底层模型。