World Labs、3D も扱うオムニ世界モデル「Atlas」を公開

何が発表されたか

• World Labs が世界モデル Atlas を公開。「テキスト・画像・映像・3D をネイティブに扱うオムニモデルとして、ゼロから事前学習した」と説明されている。
• アーキテクチャは「マルチモーダル自己回帰拡散トランスフォーマー」。各画像と深度マップが明示的なカメラポーズに条件づけられており、空間の制御がモデルの中心に据えられている点が従来との違い。
• できることは大きく4つ。(1) カメラ制御付きの生成 — 最長1分・1440p の画像／映像を、カメラ位置を指定して生成。(2) 空間復元 — 1枚から数十枚の入力画像から、新規視点に加えて点群や Gaussian splat といった明示的な3D形式を出力。(3) 時空間シミュレーション — 映像のリフレーミングやロボティクスのシミュレーションなど、世界が時間とともに変化する様子をモデル化。(4) テキストからの画像・360度パノラマ生成。
• ベンチマークでは、カメラ追従では専用の動画モデルを、3D復元では専用の復元モデルをそれぞれ上回ったとする。

実務への影響

• 商品写真数枚から回り込み映像や 360 度パノラマを起こせるなら、EC の商品ページや不動産・店舗紹介の見せ方が変わる。現状は 3D スキャンの外注や撮影が必要な工程なので、実現すれば制作コストの構造が動く領域。
• 「1つのモデルで生成も復元もこなす」という設計は、パイプラインを組む側にとって扱いやすい。生成用と復元用で別サービスを繋いでいた構成を1本化できる可能性がある。
• ただし現時点では選定パートナー向けの早期アクセスのみで、価格も公開されていない。案件の提案に織り込むのは時期尚早で、今は「そういう選択肢が近く来る」という前提で情報設計を考えておく段階。

補足

アクセス希望は公式サイトのフォームから申請する形式。一般提供の時期は示されていない。