中讯社11月16日消息,第三方机构用约50万次人工判断盲测多个先进视频模型,World Labs与斯坦福团队研发的Atlas排在榜首,明显领先第二名。Atlas能生成超过60秒、视角一致的视频。
2026年11月,CoRL在奥斯汀开幕。斯坦福教授、World Labs创始人李飞飞在会上介绍Atlas。该模型为统一生成与重建世界模型,从零训练,接收文本、图像、视频等多模态输入,输出像素帧并实现高精度3D重建。
据AI科技评论报道,Atlas可在稠密重建、稀疏重建与纯生成间自由切换。给两张图可生成神似场景,给33张地面图能重建完整斯坦福主广场并生成航拍视角。模型蒸馏后已能实时运行,速度达15fps。
在深度预测任务跨7个数据集测试中,Atlas超过专用3D重建模型。接高斯泼溅后,6个数据集重建误差达SOTA水平。李飞飞指出,Atlas正测试用于训练导航机器人,并实现零样本部署到真实世界。
李飞飞即将出任AMD首席科学家,World Labs此前被AMD收购。CoRL期间她邀AMD CEO苏姿丰参与对话圆桌。她表示,Atlas很快向全世界开放,创作者可用其实现精确相机控制与实时导航。
