李飞飞团队发布世界模型 Atlas，或成为通往 AGI 的基础组件
李飞飞与 World Labs 核心团队发布了多模态世界模型 Atlas，其核心机制是新视角预测。不同于预测下一个 token 的语言模型和预测下一帧画面的视频模型，Atlas 可根据少量图像或文字描述，生成从场景不同位置观察到的画面。它能在同一系统中处理文本、图像、视频、3D 数据和相机位姿，并融合场景重建与内容生成。团队称，Atlas 可显著减少 3D 场景重建所需的数据量，并有望应用于创意设计、建筑施工和机器人领域。后续发展方向包括动态场景、内容编辑以及人机交互。至于新视角预测能否成为 AGI 的核心基础原语，目前仍缺乏足够证据。
本文来源：AIbase，仅供学习参考，版权归原作者所有。