كان إعادة بناء مشهد ثلاثي الأبعاد يتطلب مئات الصور الملتقطة بدقة، ومعدات مكلفة، وكمية كبيرة من الصبر. وقد قلصت World Labs، شركة الذكاء المكاني التي أسسها الخبير البارز في الذكاء الاصطناعي من ستانفورد فيي-فيي لي، هذه العملية إلى صورتين أو ثلاث صور فقط.
نموذج الشركة الجديد، المسمى Atlas، هو محول تفاضلي تكراري متعدد الوسائط مُدرَّب مسبقًا. بعبارة أبسط: إنه نظام ذكاء اصطناعي يفهم النصوص والصور والفيديو وبيانات ثلاثية الأبعاد في آنٍ واحد، ويمكنه استخدام هذا الفهم لملء كل ما لم تلتقطه الكاميرا. النتيجة هي إعادة بناء المشهد ثلاثي الأبعاد بالكامل، وتوليد وجهات نظر جديدة، وتوليد فيديو متحكم به عبر الكاميرا، كل ذلك من إدخال ضئيل.
ما الذي يفعله أطلس فعليًا
يعمل Atlas كنموذج "عالم شامل" كما يسميه World Labs للذكاء المكاني. قم بإدخال ما بين صورة واحدة وست صور مرجعية، ويمكنه توليد فيديو يصل إلى دقيقة واحدة بدقة 1440p مع الحفاظ على تحكم دقيق في الكاميرا على طول المسارات التي تحددها بدقة.
إن قدرة إعادة البناء ثلاثية الأبعاد هي المكان الذي تصبح فيه الأمور مذهلة حقًا. عادةً ما تتطلب خطوط أنابيب التصوير الفوتوغرافي التقليدية ما بين 100 إلى 300 صورة أو أكثر، ملتقطة من زوايا مخططة بعناية لإنشاء نموذج ثلاثي الأبعاد قابل للاستخدام. لكن أطلس يقلل هذا الشرط إلى مجرد صورتين أو ثلاث صور إدخال، ويُنتج تمثيلات ثلاثية الأبعاد صريحة مثل سحب النقاط وتشتت غاوسيان بدرجة دقة وصفتها الشركة بأنها مذهلة.
في معايير إعادة البناء ثلاثية الأبعاد ذات المنظورات النادرة، بما في ذلك DTU وETH3D، سجل Atlas خطأً مطلقًا نسبيًا متوسطًا في خريطة النقاط بلغ 25.3. بينما حصل منافسه المفتوح المصدر الأقرب على درجة 28.7.
يصف المؤسسان المشاركان لـ World Labs التنبؤ بالمنظور الجديد بأنه "مبدأ كامل من حيث الذكاء الاصطناعي للذكاء المكاني." الترجمة: القدرة على تصور كيف تبدو المشهد من زوايا لم تُصوّر قط هي قدرة أساسية، تفتح الباب أمام كل شيء بدءًا من تنقل الروبوتات وصولاً إلى خطوط إنتاج المؤثرات البصرية.
الحكم البشري
في اختبارات المستهلكين لتقييم جودة التحكم في الكاميرا، فضل المقيّمون البشر Atlas على النماذج المنافسة بين 75% و94% من الوقت.
يدعم Atlas أيضًا محاكاة زمنية-مكانية ديناميكية، بما في ذلك تأثيرات وقت الرصاصة. فكّر في حركة الكاميرا البطيئة الدوّارة الشهيرة من فيلم The Matrix، ولكن مُولَّدة بواسطة الذكاء الاصطناعي بدلاً من هيكل معقد من الكاميرات المتزامنة.
يُعالج النموذج كل هذا ضمن سياق مكاني موحد. بدلاً من دمج أدوات منفصلة لإنشاء الفيديو، وإعادة البناء ثلاثية الأبعاد، وتركيب المنظورات الجديدة، يُوحّد أطلس هذه الوظائف في نظام واحد.
من المختبر إلى الإصدار المحدود
أنشأت World Labs نحو هذه اللحظة منذ تأسيس الشركة في عام 2024. وجذبت الشركة اهتمامًا كبيرًا من البداية، وذلك بشكل كبير بسبب سمعة لي كإحدى مهندسي رؤية الحاسوب الحديثة. لعبت مجموعة بيانات ImageNet والتحديات المرتبطة بها دورًا محوريًا في إثارة ثورة التعلم العميق قبل أكثر من عقد من الزمن.
تم الإعلان عن Atlas في 1 سبتمبر 2026، ويدخل حاليًا مرحلة الوصول المبكر للشركاء المختارين. لم تُنشر أوزان النموذج أو كوده علنًا من قبل World Labs، مع الحفاظ على التكنولوجيا خلف جدار وصول مُحكم حاليًا.