9月1日，李飞飞参与创办的World Labs发布了 Atlas。
李飞飞称，Atlas是首个从零开始训练的多模态世界模型，能够同时处理文字、图像、视频和三维数据。
它能够：
u 精确控制虚拟摄像机的位置和运动轨迹
u 仅凭一张图像生成可以从不同角度观看的三维场景
u 根据少量图像重建现实空间，并输出三维结果
u 重新调整视频视角，模拟“子弹时间”效果
u 将多张带有相机位置信息的图像，合成为一个连贯的三维世界
据说这是迄今为止最出色的相机条件世界模型，为视觉特效、机器人等领域带来了大量应用可能。
这段30秒的视频，展示了Atlas的核心能力。
拍摄时，现场只有三部固定在三脚架上的手机，分别从不同角度记录同一场景。
Atlas先把这些二维画面拼成一个三维场景，判断人物和物体之间的空间关系，再补出摄像机没有拍到的部分。
接着，它让一台并不存在的“虚拟摄像机”沿着新的路线移动，于是生成了原本没有被真实拍到的视角。
像是“冻结时间”，但并不是真的让时间暂停，而是把同一时刻的多个机位合成为一个三维瞬间，再让虚拟镜头绕着这个瞬间移动。
简单说：
ü 手机负责拍素材
ü Atlas负责搭建三维场景
ü 虚拟摄像机负责重新取景
这不是传统意义上的视频重拍，而是把现实场景变成一个可以自由移动镜头的数字片场。
NeRF和3D高斯泼溅也能实现类似的新视角合成。Atlas更进一步的地方，是尝试把三维场景重建、时间一致性和相机轨迹控制整合到一个模型中。
网友评论：
“这就像他们不知怎么造出了一架只有1厘米大的无人机，还能让时间暂停一样。
