Нейросети для видео снова сдвинули планку. Atlas — первая мультимодальная world model, которая не просто рисует картинки и ролики, а еще держит контроль камеры на уровне пикселей и умеет собирать сцену в явный 3D-формат: point cloud и 3D Gaussian splats. Есть и пространственно-временная симуляция.
Для айтишников Улан-Удэ это важно как хороший ориентир, куда движется генерация: до 1 минуты видео в 1440p, до 6 референсов, мультимодальный диффузионный трансформер, плюс заявленные сильные результаты на камерах и 3D-реконструкции. Если работаете с CV, роботами или 3D, за Atlas точно стоит следить.
IT Улан-Удэ — t.me/it_ulan_ude
IT Улан-Удэ
@it_ulan_ude
Atlas от стартапа Фей-Фей Ли: генерация видео уже умеет работать с 3D
Источники:
Этот пост опубликован в Telegram-канале IT Улан-Удэ (@it_ulan_ude). Все его публикации — на странице канала.
Открыть в Telegram