World Labs Atlas 空间智能世界模型
李飞飞联合创办的 World Labs 于 2026 年 9 月 1 日发布，官方称其为从零预训练的 omni 世界模型，原生处理文本、图像、视频与 3D
工具概览
功能、使用步骤与常见问题见下方
功能特点
- ✓ 相机可控生成：从一至多张参考图生成任意相机位置与角度的图像 / 视频，官方称可输出最长 1 分钟、1440p 的视频，并支持像素级精确的相机控制
- ✓ 空间重建：从 1 到几十张输入图重建真实场景，官方称通常只用 2 到 3 张即可得到忠实重建，并超越专门训练的三维重建模型
- ✓ 时空模拟：可从少量相机视频重构并重新取景（bullet time），用于 VFX，以及机器人 Real-to-Sim 的导航与操作仿真
- ✓ 显式 3D 输出：原生同时处理 2D 图像帧与 3D 深度图，可输出点云或 3D Gaussian splats，与 Marble 采用同一表示
- ✓ 文本生图：可由文本生成图像与 360 全景图，官方称能跟随复杂提示、渲染文字并生成多种视觉风格
使用步骤
- 在 World Labs 官方页面提交早期访问（early access）申请
- 准备 1 至 6 张参考图（重建场景可更多）或少量手机拍摄的视频作为输入
- 指定相机路径或位置，让 Atlas 生成新视角图像 / 视频，或进行稀疏视图三维重建
- 需要显式几何时导出点云 / 3D Gaussian splats，接入机器人或设计工作流
常见问题
Atlas 是什么？
World Labs 于 2026 年 9 月 1 日发布的下一代世界模型，官方称其为从零预训练的 omni 模型，原生处理文本、图像、视频与 3D。
它和普通视频生成模型有什么不同？
官方称 Atlas 支持像素级精确的相机控制，可从单张输入图生成任意角度的视图并保持三维一致，而不是只按提示词生成视频。
能生成多长、多清晰的视频？
官方示例中用少量参考图生成 1 分钟、1440p 的视频，并手工设计相机路径，让场景保持连贯。
重建需要多少张照片？
官方称通常 2 到 3 张即可得到较忠实重建，最多可使用超过一百张输入图；输入越多，想象补全越少。
能输出可用的 3D 资产吗？
可以。官方称其原生在 2D 图像帧与 3D 深度图上工作，可输出点云或 3D Gaussian splats，用于游戏、设计、VFX 与机器人。
现在能直接用吗？
Atlas 目前进入面向选定合作伙伴的早期访问阶段，可在官方页面提交申请；官方称它还将驱动 Marble 等产品的后续版本。