李飞飞创办World Labs推出Atlas 全球首个多模态世界模型实现像素级控镜

AI创作导航管理员 LV4 资深连续登录30天萌新

1 个月前

风向

798

AI领域知名学者“AI教母”李飞飞创办的World Labs于2026年9月正式发布全球首个多模态世界模型Atlas。该模型采用全新预训练架构，可实现像素级精确相机控制，支持3D空间重建，能生成好莱坞级“子弹时间”视觉效果，3D重建能力超越当前多款顶级开源重建模型，为空间生成AI领域带来突破性进展。

看过《黑客帝国》的观众多半对“子弹时间”的环绕慢镜头印象深刻，过去实现这类效果需要同时架设数十台专业相机同步拍摄，单场景拍摄成本可达数十万元，而现在用户只需上传数张甚至单张静态图片，就能通过Atlas生成任意镜头轨迹的“子弹时间”视频。

过去几年生成式AI在2D图像、视频领域的应用已经相对成熟，但空间维度的生成始终存在明显短板：无论是视角切换还是3D重建，都普遍存在几何失真、画面穿模、素材要求高等问题，此前主流的NeRF类方案往往需要数十张不同角度的拍摄素材才能完成重建，且无法支持灵活的镜头自定义调整，难以满足影视、游戏等行业的工业化生产需求。

和市面上多数基于现有大模型微调的空间生成方案不同，Atlas是World Labs团队从头启动预训练的全新多模态世界模型，核心突破在于实现了像素级精确相机控制，可无缝接入相机位置、移动轨迹等多模态输入，在三维空间内精准定位多个输入视图的空间上下文。

用户只需指定任意摄像机位置、角度甚至运镜轨迹，Atlas就能生成与原始内容、几何形状完全匹配的图像或视频帧，平滑扩展画面边界。除了生成动态视觉效果外，Atlas还支持单张输入图像输出3D模型，官方测试数据显示，其3D重建效果已经超越目前多款顶级开源重建模型。

Atlas的落地被业内视为空间生成AI走向通用化的重要节点。对于内容创作行业而言，该模型将大幅降低影视特效、广告片的拍摄成本，普通创作者无需专业设备就能产出电影级运镜效果；在VR/AR、游戏领域，Atlas可实现虚拟场景的实时视角生成，大幅减少3D建模的人力投入；此外该模型还可应用于自动驾驶仿真、建筑可视化等多个场景，为空间交互类应用提供底层技术支撑。

AIGC 李飞飞 World Labs Atlas 多模态世界模型

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。