Обычные видео-генераторы описывают сцену текстом и надеются на лучшее. Atlas принимает точную геометрию камеры как входные данные - и выдаёт кадр именно с той точки и под тем углом, который вы задали.
Коротко о главном
1 сентября 2026 года World Labs - компания, сооснованная исследователем ИИ Фей-Фей Ли, - представила Atlas, «омни-модель мира» для пространственного интеллекта. По официальному описанию, Atlas устроена как мультимодальный авторегрессивный диффузионный трансформер, который изначально работает с текстом, изображениями, видео и 3D-данными в единой архитектуре, привязывая генерацию к пространственному контексту. Модель генерирует видео длиной до одной минуты в разрешении 1440p, изображения и панорамы на 360 градусов по текстовому запросу, а также новые ракурсы сцены по одному или нескольким референсным изображениям. Из 3D-результатов - облака точек (point clouds) и 3D Gaussian splats с явными картами глубины. Главное отличие от обычных видео-генераторов - нативное управление камерой: модель принимает точную геометрию камеры как входные данные, что даёт «попиксельно точное» кадрирование вместо текстового описания «камера медленно приближается». Также заявлена пространственная согласованность - модель сохраняет 3D-связность генерируемого контента, привязывая каждое изображение к конкретной позиции в пространстве, что позволяет творчески комбинировать несвязанные референсные изображения в одной сцене. Названные сценарии использования: кинематографичная генерация с управлением камерой, реконструкция 3D-сцен по разрозненным изображениям, переразметка видео (эффекты вида «пуля-тайм»), симуляция для робототехники и генерация обучающих данных для робота-манипулятора. На момент анонса Atlas находится в раннем доступе для отдельных партнёров, желающие могут запросить доступ через форму; цена не раскрыта.
Что такое Atlas
По официальному описанию, Atlas - мультимодальный авторегрессивный диффузионный трансформер, спроектированный как единая «омни-модель мира». В отличие от отдельных моделей под текст, изображения и видео, Atlas изначально обучена работать со всеми этими типами данных вместе с 3D внутри одной архитектуры, привязывая любую генерацию к общему пространственному контексту.
Что конкретно может сгенерировать
По видео и изображениям: до одной минуты видео в разрешении 1440p, изображения и панорамы на 360 градусов по текстовому запросу, а также новые ракурсы сцены на основе одного или нескольких референсных изображений. По 3D: облака точек и 3D Gaussian splats с явными картами глубины - то есть не просто плоская картинка, а данные, которые можно использовать как настоящую трёхмерную сцену.
Главное отличие: управление камерой, а не текстовое описание
Обычные видео-генераторы работают с текстовыми описаниями движения камеры вроде «камера медленно приближается» - и результат зависит от того, как модель это интерпретирует. Atlas принимает точную геометрию камеры напрямую как входные данные, что даёт «попиксельно точное» кадрирование вместо приблизительной текстовой интерпретации. Дополнительно заявлена пространственная согласованность: модель кодирует входные данные в общий пространственный контекст, поэтому каждое изображение привязывается к конкретной позиции в пространстве - это позволяет творчески комбинировать несколько несвязанных референсных изображений в одной цельной сцене.
Для чего это может пригодиться
Официальный анонс называет несколько сценариев: кинематографичная генерация с точным управлением камерой, реконструкция 3D-сцены по небольшому набору разрозненных фотографий, переразметка (reframing) уже снятого видео с эффектами вроде «пуля-тайм», а также симуляция для робототехники и генерация синтетических обучающих данных для задач роботизированной манипуляции - то есть применения выходят далеко за пределы обычного видео-контента.
Доступность на момент анонса
Atlas находится в раннем доступе для отдельных партнёров - это не публичный релиз для всех желающих. Запросить доступ можно через форму на сайте World Labs, конкретная цена использования на момент анонса не раскрыта. Модель развивает линейку компании: до неё была Marble, первая коммерческая мультимодальная модель World Labs, выпущенная в ноябре 2025 года, а следом - запуск World API в январе 2026 года, давший разработчикам программный доступ к инструментам пространственного интеллекта.
Кто стоит за World Labs и моделью Atlas?
World Labs - компания, сооснованная исследователем ИИ Фей-Фей Ли; Atlas представили 1 сентября 2026 года.
Чем Atlas отличается от обычных видео-генераторов вроде текстовых промптов для видео?
Atlas принимает точную геометрию камеры напрямую как входные данные, давая попиксельно точное кадрирование, вместо приблизительной текстовой интерпретации движения камеры.
Какое максимальное качество и длительность видео поддерживает Atlas?
До одной минуты видео в разрешении 1440p.
Может ли Atlas генерировать полноценные 3D-данные, а не только плоские изображения?
Да, модель выдаёт облака точек (point clouds) и 3D Gaussian splats с явными картами глубины.
Доступен ли Atlas всем желающим прямо сейчас?
Нет, на момент анонса модель находится в раннем доступе для отдельных партнёров, доступ можно запросить через форму на сайте.
Для каких задач, кроме видео-контента, предлагается использовать Atlas?
Для симуляции в робототехнике и генерации синтетических обучающих данных для задач роботизированной манипуляции.
Источники (1)
- Atlas: A World Model for Spatial Intelligence - World Labs
← Все статьи блога