World Labs, 3D 공간 지능형 멀티모달 모델 'Atlas' 공개

World Labs가 텍스트, 이미지, 영상, 3D 데이터를 네이티브로 처리하는 멀티모달 오토리그레이티브 디퓨전 트랜스포머 모델 Atlas를 공개했다. 이 모델은 모든 입력을 공유된 공간 컨텍스트로 결합하여 3D 일관성을 유지하며 다음 프레임을 생성하도록 설계되었다.

주요 기능 및 특징

• 카메라 제어 생성: 참조 이미지를 기반으로 사용자가 지정한 카메라 위치와 각도에서 새로운 뷰를 생성하며, 입력되지 않은 영역까지 자연스럽게 확장한다.
• 픽셀 단위 카메라 제어: coarse한 텍스트 지시 대신 정밀한 카메라 기하학을 네이티브 입력으로 사용하여 샷 구성과 움직임을 세밀하게 통제할 수 있다.
• 공간 컨텍스트 기반 생성: 각 이미지를 3D 공간의 특정 위치에 고정하여 컨텍스트를 형성한다. 서로 관련 없는 두 이미지를 3D 공간에 배치하면 Atlas가 그 사이의 공간을 매끄럽게 이어주는 세계를 생성한다.
• 공간 재구성: 단 2~3장의 이미지로도 실제 공간을 충실하게 재구성할 수 있으며, 최대 100장 이상의 이미지를 입력해 정밀한 환경 복원이 가능하다. 이는 특수 장비나 수백 장의 밀집 뷰 없이도 가능한 기술이다.

Atlas는 향후 World Labs의 제품인 Marble 등에 적용될 예정이며, 학습 컴퓨팅 자원 증가에 따라 성능이 향상되는 확장성을 갖추고 있다.