“Yapay zekanın annesi” olarak anılan Fei-Fei Li tarafından kurulan World Labs, yeni dünya modeli Atlas’ı tanıttı. Atlas, tek bir fotoğraftan 1440p çözünürlükte bir dakikaya kadar video üretebiliyor ve az sayıda görüntüden gerçek dünya sahnelerini üç boyutlu olarak yeniden kurabiliyor.
World Labs, sıfırdan eğittiği Atlas’ı metin, görüntü, video ile üç boyutlu veriyi tek bir mimaride işleyen bir omni model olarak tanımlıyor. Model, tüm girdileri ortak bir mekansal bağlamda birleştiriyor ve gördüğü her şeyle üç boyutta tutarlı kalarak sahnenin devamını üretiyor.
Model, bir ya da birden fazla görüntüden yola çıkarak kullanıcının belirlediği açıdan yeni kareler oluşturuyor ve sahneleri tek bir fotoğraftan onlarca görüntüye kadar farklı girdilerle üç boyutlu olarak yeniden kuruyor. Videoları farklı açılardan yeniden çerçeveleyerek robotik için gerçek dünyadan simülasyona geçiş süreçlerini destekliyor. Metinden ise 360 derece panoramalar dahil çeşitli görseller oluşturuyor.
Modelin öne çıkan özelliği, kamera geometrisini metin tabanlı komut yerine doğrudan bir girdi türü olarak kullanması. Kullanıcı her kareyi ve her kamera hareketini kendisi tasarlıyor. Referans görüntüden yola çıkarak sahnenin görünmeyen kısımlarını dünya bilgisiyle tahmin eden Atlas, özel çekim ekipmanı ya da yüzlerce görüntü gerektirmeden nesneleri ve mekânları canlandırıyor.
World Labs’e göre model, iki ya da üç görüntüyle bile sadık sonuçlar veriyor ve yalnızca üç boyutlu yeniden kurulum için eğitilmiş uzman modelleri geride bırakıyor. Girdi sayısı arttıkça modelin ürettiği hayali kısımlar azalıyor ve yüzden fazla görüntüyle gerçek ortamlar birebir yeniden yaratılabiliyor.
Atlas, World Labs’in Marble adlı ürününün gelecekteki sürümlerine güç verecek. Ayrıca başvuru yoluyla seçili iş ortaklarına erken erişimle sunulacak.
Popüler İçerikler