李飞飞旗下World Labs推出全球首款多模态世界模型

由李飞飞创立的World Labs近日推出了名为Atlas的多模态世界模型，旨在将人工智能的应用边界从单纯的图像生成拓展至构建可交互、可探索的三维虚拟环境。该模型具备对相机位置、三维深度及空间结构的原生感知能力，仅需1至6张常规照片作为基础素材，配合指定的镜头运动路径，即可输出时长最高达一分钟、分辨率高达1440p的动态影像。在这一过程中，用户能够精确掌控摄像机的角度与移动轨迹，系统甚至能通过智能推断补全原始照片中未捕捉到的视觉盲区。此外，该技术还展现出强大的场景重构潜力：利用2至25张游客拍摄的照片便能还原出完整的三维场景；对于普通的手机录像，它支持视角的自由转换，从而轻松实现类似电影特效中的“子弹时间”视觉效果。