刚刚，李飞飞掀桌！全球首个多模态世界模型发布，几张照片省掉几百个机位

李飞飞团队于近日发布全球首个多模态世界模型，该模型可通过少量静态照片生成完整三维场景，替代传统拍摄中大量机位设置。据称，其技术能够显著降低影视及虚拟制作成本，减少对数百个摄像设备的依赖。模型基于空间智能框架，融合视觉、语言与物理规律理解，实现从二维图像到可交互三维空间的快速构建。该成果被视为AI在具身智能与内容生成领域的关键突破，或将对机器人导航、自动驾驶及虚拟现实产业产生直接影响。目前相关技术细节与开源计划尚未完全披露，但已引发行业对传统影像生产流程变革的广泛讨论。