几张图就能重建3D场景?Atlas的三维能力有多强

源自122位全网作者

21:42

“把几张照片丢进AI,还原出一个能走进去、能换任意角度看的3D场景”——这套9月还只能看演示视频的能力,现在人人都能上手。11月13日,World Labs宣布Atlas向所有人开放,同时放出Viewfinder和Chisel两个网页应用,API也一起开放。16日晚,接近官方的账号确认Atlas正式公测,注册atlas.worldlabs.ai就能用,新开账号约送10美元额度。热榜上的问题因此值得认真回答:Atlas的“几张图重建3D”是真实能力,但它重建的是“能走进去”的视觉空间,不是经得起细看的实景副本。它的三维能力有多强,要拆成重建边界、几何可用性和成绩单口径三层来看。微博知乎

从2张到33张:照片越少,模型替你“看”的越多

11月12日,在CoRL 2026大会上,李飞飞发表演讲《Atlas:一个用于生成与重建的统一世界模型》,随后与AMD董事长兼CEO苏姿丰同台对话。36氪

她在演讲里用斯坦福主广场给出一条干净的重建梯度:只给2张有限的输入图像,输出“有主广场的感觉,但并不是真正的主广场”;给8张,乍看近乎完美,但纪念教堂不见了——因为8张照片里没有一张拍到它;给33张,且全部是人在地面高度随手拍的,教堂回来了,模型还能生成从没人拍过的航拍视角。这就是“几张图重建3D场景”最清楚的口径:稀疏视角重建2到3张图即可起步、最多能容纳上百张输入,输出点云与3D高斯泼溅。而Viewfinder一次最多接受64张照片。但输入覆盖决定真实边界:照片越稀,模型“脑补”的成分越多,补出来的是合理的近似。知乎微博

为什么敢用“几张”:把照片钉在空间坐标系上

三维重建是计算机视觉追了几十年的经典问题。传统方法要求大量带相机位姿、彼此重叠的稠密视角,没覆盖到的区域基本重建不出来;专用前馈模型接棒后也卡在两头——视角一少,缺的部分补不回来就垮;视角一密,每张图都要编码,显存直接爆掉。Atlas换了条路:它把文本、图像、视频、相机位姿、深度这些输入统一锚定到一个共享的三维“空间上下文”里,每张输入图像都被钉在3D空间的精确位姿上,然后像语言模型预测下一个词那样预测下一个视角——缺的视角不再硬算,而是由生成能力补出来。知乎知乎

输出的也不只是一段能飞过去的视频。Atlas的原生输出是带位姿的图像、视频和深度,点云和3D高斯泼溅(3DGS)是从深度反算的后处理产物,导出后可直接用作3DGS训练输入;官方同时提供Blender插件和API,能把模型接进自己的制作流程。另一个工具Chisel走的是一条相反的路:用文字或参考图先做出明确的三维几何,再渲染、导出。关键在于结果是有明确几何的:相机可以摆到任何位置去验证,可以测量,可以直接当机器人训练场——这是它和视频生成类世界模型的分水岭。李飞飞演示的“子弹时间”,用的就是办公室里临时搭的3台iPhone摄像机,对比的是《黑客帝国》当年数百台摄影机的排场。知乎微博36氪

成绩单要先读口径:官方自报,独立复现尚未出现

官方公布的定量结果相当亮眼:在DTU、ETH3D、KITTI、ScanNet等7个基准上,稀疏视角重建平均AbsRel误差25.3×10⁻³,优于Pi3X、VGGT-Ω、Depth Anything 3等全部开源专用重建模型;李飞飞称,一家独立第三方机构的相机运动基准测试包含约50万次人类盲评,Atlas排名第一,且与第二名差距明显。知乎

但口径必须读仔细:以上结果均为官方自报,相机对比存在输入条件不对称——Atlas拿到原生相机轨迹,部分对手只拿到文本提示,且发布至今没有论文、没有开源、没有参数与算力披露,外部可复现性目前为零。Meta团队还提示过,其中一个对比基线的分数可能因基准污染而偏高。证据覆盖到哪里,结论才能写到哪里。知乎知乎

开放试用后,实测者补上了另一半口径。有用户用13张照片重建清华二校门及周边,认为效果对得起演示;此前批评“和演示视频差得有点多”的用户,也认可其大视角间隔的新视角生成确实惊艳。但问题同样具体:人脸和文字会糊成一团,盲区补全能力一般,走进去还发现尺度不对——“1.7米的虚拟人物快顶到天花板”。有博主一句话概括:能走进去和经得起细看是两回事,门洞、家具、遮挡关系能不能对上,得拿自己的素材试。小红书小红书微博

AMD为什么愿意等:550亿与15帧

Atlas还有另一层意义。今年9月,AMD宣布与World Labs达成最终收购协议,交易价值约82亿美元(约合人民币547亿元),预计在2026年底前完成。这笔全股票交易创下了AMD历史上仅次于赛灵思的第二大收购纪录。苏姿丰在11月12日的同台对话中说,物理AI尤其是机器人,是未来几年可能达到数千亿美元的市场;李飞飞则用一句话概括双方动机——“AI就是计算,计算就是AI”。36氪爱范儿

Atlas想卖的第一批用户是机器人训练师。开发者拿普通手机拍一段空间,Atlas就能把它重建成机器人能走进去、能交互的3D仿真。另一条对照路线是Niantic式的360°相机稠密扫描,面积一大还得分块重建,采集门槛随之抬高;Atlas给出的稀疏采集思路,恰好补这个洞。团队也已展示机器人在虚拟仿真环境训练、再以零样本方式部署到真实世界的研究。速度这块也在补齐:11月6日发布的Frameboy演示,把蒸馏后的Atlas装进浏览器,云端GPU以最高15帧/秒流式传输,约每67毫秒出一帧新画面,最高1440p分辨率;相比之下谷歌DeepMind的Genie 3是720p下24帧实时交互。生成慢曾是最大痛点——调一次机位等几十秒到几分钟,搭场景像在开盲盒;实时之后,试错成本几乎归零。知乎36氪知乎

公测现在能做什么

对普通用户,验证这个热点的路径已经非常具体:注册atlas.worldlabs.ai,用赠送的额度拍一组有重叠视角的同场景照片(房间的多个角落、或绕一个地标转一圈),丢进Viewfinder走一遍,看遮挡关系对不对、尺度准不准,再导出一份3DGS泼溅模型试试Blender里的下游流程。注意照片并非越多越准:图片多只说明输入多,能否共同约束同一个场景才是另一道题,把不相干的视角塞进去只会让重建无所适从。往后两三个月值得盯三件事:论文与第三方复现何时出现,正式定价如何,以及“视觉重建”下一步能否补齐物理交互——国内已有世界模型把“只需几张照片就能生成可物理交互的3D场景”当作卖点抢跑。世界模型的下一程比什么,可能就看这一格了。知乎知乎

内容由AI生成

精选参考来源

1. 【AI快讯】李飞飞的世界模型,这次可以自己上手试了。WorldLabs宣布向所有人开放Atlas,同时放出两个网页应用:Viewfinder和Chisel,API也一起开放。Viewfinder可以把一张图变成能走进去的三维世界,也能用最多64张照片重建真实场景。生成后不只给你一段视频,还能导出空间一致的图片、视频...全文

2. WorldLabs的Atlas正式公测了,注册地址请见简介,目前新开的账号都会送10刀额度,同时也开放了Real-timeAtlas,即使离开现场,也可补全场景

3. 547亿元收购后首次同台,李飞飞对话苏姿丰,详解统一世界模型Atlas

4. 李飞飞团队最新世界模型Atlas:技术拆解与复现路线

5. 李飞飞重磅推出的Atlas 世界模型,生成重建模拟三合一

6. 李飞飞Atlas内测:用13张图重走清华二校门

7. 试了下李飞飞的Atlas,怎么说呢

8. World lab Atlas上手

9. 突发:李飞飞最新 AI 成果发布,把世界模型装进复古掌机,单张图实时跑出 15 帧

10. AMD收购后首秀:李飞飞发布“Atlas极速版”,打开浏览器实时体验世界模型

11. 照片越多,3D重建就越准?读FreeView的“相册清群”

12. Atlas没做到的可物理交互仿真,被大晓世界模型Mundo抢先了

0
扫一下,分享更方便,购买更轻松
0评论

当前文章无评论,是时候发表评论了
提示信息

取消
确认
评论举报

最新文章 热门文章