3D bir sahne oluşturmak, önce yüzlerce dikkatle çekilmiş fotoğraf, pahalı ekipman ve bir miktar sabır gerektirirdi. Stanford AI uzmanı Fei-Fei Li tarafından kurulan uzamsal zeka şirketi World Labs, bu iş akışını sadece iki veya üç fotoğraf haline getirdi.
Şirketin yeni modeli olan Atlas, önceden eğitilmiş çoklu modlu otoregresif difüzyon dönüşümüdür. Daha basit bir ifadeyle: metin, resim, video ve 3D verilerini aynı anda anlayan ve bu anlayışı kullanarak kameranın yakalayamadığı tüm detayları tamamlayan bir yapay zeka sistemidir. Sonuç olarak, minimum girişle tam 3D sahne yeniden yapılandırması, yeni görünüm sentezi ve kamera kontrollü video üretimi elde edilir.
Atlas aslında ne yapar
Atlas, World Labs tarafından "omni dünya modeli" olarak adlandırılan bir uzamsal zeka sistemi olarak çalışır. Buna bir ila altı referans görüntüsü verin ve belirttiğiniz tam yollar boyunca hassas kamera kontrolüyle 1440p çözünürlükte hasta bir dakika video oluşturabilir.
3D yeniden yapılandırma yeteneği, şeyleri gerçekten etkileyici hale getiriyor. Geleneksel fotogrametri süreçleri, kullanışlı bir 3D model oluşturmak için genellikle dikkatle planlanmış açılardan 100 ila 300+ kadar görüntü gerektirir. Atlas, bu gereksinimi iki veya üç girdi görüntüsüne kadar düşürür ve şirketin tanımladığı gibi dikkat çekici bir sadakatle nokta bulutları ve Gauss splatları gibi açık 3D temsiller üretir.
Sekizli 3D yeniden yapılandırma testlerinde, DTU ve ETH3D dahil olmak üzere, Atlas 25,3'lük ortalama mutlak-göreli nokta haratası hatası kaydetti. En yakın açık kaynaklı rakibi 28,7 puan aldı.
World Labs’ kurucu ortakları, yeni görünüm tahminini “uzaysal zekânın AI-tamamlı temel bileşeni” olarak tanımlıyor. Çevirisi: Daha önce çekmediğiniz açılardan bir sahnenin nasıl göründüğünü hayal edebilme yeteneği, robotik navigasyondan görsel efekt hatlarına kadar her şeyi açan temel bir yetenektir.
İnsan kararı
Tüketici testlerinde kamera kontrol kalitesi değerlendirildiğinde, insan değerlendirmeciler Atlas'ı %75 ile %94 oranında rakip modellere tercih etti.
Atlas, dinamik uzay-zaman simülasyonlarını, bullet-time efektlerini de destekler. The Matrix'ten ikonik yavaş hareketli dönen kamera hareketini düşünün, ancak bu sefer bunu eşzamanlı kamera takımlarıyla değil, AI ile oluşturun.
Model, bunların tümünü tek bir birleşik uzamsal bağlam içinde yönetir. Atlas, video üretimi, 3D yeniden yapılandırma ve yeni görünüm sentezi için ayrı araçları birleştirmek yerine, bu işlevleri tek bir sistemde birleştirir.
Laboratuvardan sınırlı yayın
World Labs, 2024'te kurulduğundan bu yana bu anı hazırlamaktadır. Başlangıçtan itibaren önemli ilgi çekti, büyük ölçüde Li'nin modern bilgisayarlı görmenin mimarlarından biri olarak bilinmesi sayesinde. Onun ImageNet veri kümesi ve ilgili zorlukları, onlarca yıl önce derin öğrenme devrimini tetiklemekte merkezi rol oynamıştır.
Atlas, 1 Eylül 2026'da duyuruldu ve şu anda seçili ortaklar için erken erişim aşamasına giriyor. World Labs, şu anda teknolojiyi kontrol edilen erişim duvarının arkasında tutmak amacıyla modelin ağırlıklarını veya kodunu kamuoyuna açıklamadı.