top of page

World Labs Atlas 發布開放其 3D 創作工具

13 分鐘前
讀畢需時 12 分鐘

World Labs 於 11 月 12 日開放其 Atlas 創作工具及開發者存取,超越此前的模型介紹及互動預覽。World Labs Atlas 發布的核心主張相當務實:生成不同視角、渲染鏡頭運動,並將場景帶進另一個創作工作流程。其價值取決於在這種交接中能保留甚麼。

該公司將 Atlas 描述為世界模型,即利用空間脈絡生成或重建環境的 AI 系統。其輸出包括關鍵影格,即序列中的個別參考圖像;影片片段;以及 3D Gaussian splats,即共同渲染成場景的彩色空間元素。這些格式服務不同目的,從選擇鏡頭到探索環境皆包括在內。

Google DeepMind 的 Genie 為互動式世界生成提供競爭參考。Atlas 目前的發布特別強調場景創作及匯出。核心張力在於,生成令人信服的畫面與產出在首次展示後仍然有用的內容,兩者並不相同。開發者、電影製作人及設計師都需要評估兩者,尤其是在虛構細節看似真實拍攝內容時。

World Labs Atlas 發布實際改變了甚麼

此次發布將 Atlas 的研究能力轉化為一套更廣泛的工具,用於建立、檢視及轉移場景。

該公司現有的 Atlas creation tools 包括 Viewfinder、Chisel、splat 轉換、重新打光及開發者整合。Viewfinder 由照片或生成圖像開始,然後支援新的視角及渲染後的鏡頭路徑。Chisel 使用灰盒建模,即排列簡單形狀以確立場景佈局,來引導結果。World Labs 亦列出 Blender 整合,以及轉換為 meshes,即傳統 3D 軟件所使用的表面幾何。

這套工具之所以重要,是因為輸出格式會改變下一位使用者可以做甚麼。收到完成影片片段的電影製作人可挑選或編輯其影格。收到可導航場景的協作者則可研究另一種構圖。兩種交付成果都不會自動取代對方,公告亦不應抹平其差異。

發布時間線亦需要審慎處理。World Labs 於 9 月 1 日介紹 Atlas。其 11 月 5 日的 Frameboy 公告描述了供互動探索的研究預覽。11 月 12 日的發布則加入現有工具及開發者存取。若將這些視為單一首發,便會掩蓋讀者現在實際可評估的改變。

公開存取亦需要狹義理解。透過應用程式或開發者服務提供,不代表可下載模型權重、不受限制的商業權利,或無限免費使用。買方在指派製作工作前應閱讀適用條款。公告本身無法解答這些問題。

對創作團隊而言,有意義的改變是可直接檢視工作流程的機會。預先準備的示範展示公司希望呈現的內容。可存取的工具則讓潛在使用者帶入自己的參考資料、限制及棘手場景。即使獨立比較尚未出現,這些輸入亦會令評估更切合需要。

設想一個製作團隊正在探索擬議的室內佈景。生成影片片段或許能有效傳達氛圍,卻未必能回答其他鏡頭位置的問題。可支援額外視角的場景,便提供另一種討論調度的方式。這只是說明性使用情境,並非已完成客戶部署的證據。

同樣的區別亦適用於開發者。存取權令整合實驗成為可能,但一個可用端點並不代表可靠的應用程式。團隊仍需理解故障、回應時間、輸出處理及審核要求。當服務生成的是環境而非孤立圖像時,這些尋常的產品問題會變得更重要。

因此,World Labs Atlas 發布值得視為一次存取及工作流程事件。其重要性毋須建立在稱其為首個世界模型,或宣告傳統製作已過時之上。較狹義的發展已足夠重要:更多人可檢視其空間控制及輸出,是否適合他們現時進行的工作。

創作團隊面對的考驗與示範觀眾不同

Atlas 令視覺生成工具承受壓力:除了初步結果的品質,亦要支援修訂及重用。

觀眾毋須知道宣傳片如何製作,亦可判斷它。製作團隊則需要知道收到意見後會發生甚麼。預期場景仍可辨認的同時,構圖能否改變?另一位貢獻者能否延續工作?看似成功的生成之後,需要多少人手修復?

這些問題指出了眼前的壓力目標。爭取創作預算的工具,必須證明自己在既有流程中的位置。Atlas 對場景控制的強調,令人將其與主要交付完成影格的系統比較。這項比較關乎生成周邊的工作,而不是影像品質的普遍排名。

這項主張最有力的版本其實很直接。若團隊能重訪一個場景、改變預定鏡頭並保留有用成果,生成便更容易融入工作。若每次修訂都需要大幅重建,吸引人的初步結果便帶來較少實際價值。這些是評估準則,而非已量度的 Atlas 成果。

World Labs 的 Frameboy research preview 有助解釋時間點。11 月 5 日的公告描述了以雲端串流進行、最高每秒 15 影格的探索功能。公告亦指出 Viewfinder 當時仍處於封閉測試階段。該公司認為,更快的回饋會改變人們探索場景的方式,同時承認雲端生成的運算負擔。

這個分別將互動探索與交付成果的製作區分開來。回應迅速的預覽可協助使用者發掘有用視角。最終輸出仍需符合其目的地的要求。探索時的速度不代表匯出品質,而精緻的匯出亦不代表互動反應迅速。

對小型工作室而言,相關比較可能涉及討論及修訂場景所花的時間。對應用程式開發者而言,可能涉及使用者能否穩定地取得可接受輸出的程度。對建築團隊而言,則可能涉及如何傳達提案,同時不暗示生成細節代表現有建築。

這些群體不需要相同的驗收標準。推測性概念可容許虛構元素,但這些元素可能削弱紀實性重建。背景環境可容許缺陷,但在近鏡中便會變得明顯。有用的問題是:在特定要求下,工具可在哪裏節省工夫。

這亦改變了應如何理解示範。連續鏡頭運動比精選靜止畫面提供更多證據,但仍然是精選例子。製作紀錄應包括被捨棄的結果、修正及下游變更。缺乏這些脈絡,觀眾便無法估算展示背後的工夫。

因此,市場對 Atlas 的競爭回應應體現在控制及交接上。更明確的修訂工具、更清晰的匯出選項,以及有更完善記錄的限制,均可鞏固這個類別。另一段令人印象深刻的混剪,對創作團隊能否在初步概念與最終交付之間依賴這些系統,所提供的證據則較少。

鏡頭控制將生成視角連接至可重用場景

Atlas 的核心機制令空間指令在生成中扮演直接角色,而非將每個鏡頭決定都交給文字描述。

World Labs 在其 camera-controlled generation 說明中表示,Atlas 會根據圖像、深度及鏡頭資訊來調節輸出。深度描述與視點的距離;鏡頭姿態則指定位置及方向。該公司表示,這些空間脈絡支援新的視角及明確的 3D 輸出。它亦承認,參考圖像沒有提供證據的位置會被虛構內容填補。

這個機制解釋了產品的吸引力,毋須深入介紹其架構。要求鏡頭繞著物件移動,包含一種空間意圖。明確編碼這種意圖,會形成不同於完全以文字描述的控制介面。實際問題在於,結果視角能多忠實地遵循這種意圖。

它亦揭示控制與真實之間一個有用的分別。系統可以遵從所要求的視角,同時虛構當中出現的內容。準確的鏡頭位置不代表未見牆面的重建準確。操作人員可指定觀看位置,卻沒有提供鏡頭應看見一切內容的證據。

Chisel 將同一邏輯延伸至佈局。該公司的 scene editing workflow 使用粗略佈局的深度來引導外觀。其公開示例將一座哥德式小教堂重新塑造成黃昏及冬季設定。文件區分佈局引導與外觀參考,並說明現有圖像內容如何限制所要求的變更。

小教堂示例很有用,因為它令控制問題變得具體。創作者可能希望結構保持不變,同時改變視覺處理。這些目標需要不同資訊。更廣泛的含意是,成功創作取決於能否傳達哪些決定應保持固定,哪些可維持開放。

對產品團隊而言,這意味著需要比單靠提示詞輸入框更嚴謹的介面。使用者需要理解參考資料控制甚麼。當輸入互相衝突時,他們亦需要回饋。一個接受詳細限制卻未解釋其效果的工具,可能會將複雜性轉移給操作它的人。

同樣的推理亦適用於協作。同事若要延續受空間控制的專案,所需的不只是最終圖像。參考資料、佈局決定及預定視角,有助解釋輸出為何呈現現時模樣。保留這些決定,令審核比比較彼此無關的生成結果更有意義。

這正是可重用場景的承諾在商業上變得有趣之處。一個場景可代表關於構圖及結構的累積決定。若這些決定在修訂期間仍然有用,團隊便能保留工作成果。若它們在每次變更時消失,場景的行為便更像暫時性的插圖。

這一切並不證明 Atlas 一貫帶來較強結果。它指出了為何這個機制值得評估。World Labs Atlas 發布讓使用者可檢視,明確的空間輸入是否帶來足夠實際控制,以證明其值得納入既有創作流程。

匯出的 splats 仍需經得起交接

可下載的 3D 場景,只有在另一套工具及另一個人都能成功使用時才有價值。

World Labs 已記錄的 splat 重建工作流程會接收附帶相機資訊及深度資料的視角,然後產生 SPZ 檔案,即一種壓縮 splat 格式。指南說明可在 Spark 或 Blender 中查看結果,並將其交予網格轉換流程。它亦警告,覆蓋不足及視角不一致可能產生虛構區域或重複物件。

這些警告突顯了公告的核心分野。匯出功能令輸出成果可在其他地方使用,但可用性不等於適用性。目的地可能需要特定可視範圍、可編輯結構或可靠的幾何資料。一個檔案即使能正確開啟,仍可能需要大量處理,才可達成原定用途。

為導覽式展示而設的場景,與可讓使用者自由探索的環境,面對的是不同考驗。在導覽版本中,創作者會選定觀看路徑;在探索版本中,使用者可檢視原始展示刻意避開的區域。這項差異應影響評估方式,以及對完整性所作的主張。

同樣地,視覺相似度和結構實用性應分開判斷。一個房間可以呈現吸引人的設計,卻未必適合需要已核實尺寸的工作。一個令人信服的表面可作背景場景,但對物件層級修改可能價值不大。預定工作決定哪些不足之處最重要。

網格轉換並非評估的終點,而是增加另一個交接環節。轉換後的成果應按其目的地的要求評估。它是否支援預定互動?貢獻者能否作出所需修改?修復所花時間是否比其他可用方法更長?這些問題需要項目證據。

這亦是協作紀錄開始發揮作用的地方。團隊可以保留參考材料、獲接納的視角、被否決的版本,以及修改場景的原因。可供搜尋的知識庫有助在多次實驗之間保留這些脈絡。文件本身不會直接改善幾何資料,但能幫助同事理解交付成果背後的決策。

對開發者而言,交接涵蓋應用程式行為,不只是檔案相容性。使用者需要知道自己是在等待結果、審閱草稿,還是接收已完成的資產。隱藏這些差異的介面,可能將暫定內容呈現為可即時使用的成果。

對買家而言,一個具代表性的項目比一長串廣泛能力清單更具參考價值。它應追蹤一項輸出,從初始參考資料、經過審閱,到進入目的地工具。記錄每個階段所需的人手介入,可揭示 Atlas 在何處創造價值,以及既有工具仍在何處承擔主要工作。

因此,匯出功能值得關注,但不應成為品質主張的捷徑。移動場景的能力創造了重用機會;要證明重用成功,則需要下一階段工作的證據,包括發佈展示鮮少呈現的修正與取捨。

互動競爭對手凸顯視覺真實感的限制

競爭問題不只在於一個世界看起來有多逼真,也在於它在預定互動下能否可靠地運作。

Google DeepMind 於 10 月 27 日發布的 Genie 4 預覽強調互動模擬、原生音訊,以及透過語言進行操控。該公司表示,這是面向受信任測試者的初步研究預覽版;同時亦承認其在一致性、空間準確度及複雜物理互動方面存在限制。這些均屬公司說法,而非獨立比較結果。

這種對比有助定位 Atlas 目前的定位。World Labs 強調創作工具及可進入其他工作流程的輸出成果;DeepMind 則強調持續演進的互動體驗。兩種方法都面對控制與一致性的問題,但其公開展示優先處理的是使用者任務的不同部分。兩者的描述均未能確立整體勝出者。

公平的 World Labs Atlas 與 Genie 比較,應從共同需求開始。可重用、供既定相機序列使用的場景,與會回應持續指令的變化模擬,屬於不同任務。將兩者合併為單一分數,會掩蓋潛在使用者真正關心的取捨。

比較亦需要在相同條件下進行。不同參考資料、經挑選的場景及不相容的輸出要求,令宣傳短片難以成為有力的排名證據。獨立測試應說明每個系統接收甚麼,以及何謂成功;否則,結果主要衡量的是示範內容有多符合自身的展示方式。

更深層的不確定性,在於外觀與行為之間的關係。看似合理的環境,未必能準確模擬材料特性或物理互動;支援相機移動的場景,也不會自然支援可靠的物件操作。每一項新增主張,都需要與所宣稱能力相符的證據。

機械人技術令這項區分尤其重要。建立多樣化空間環境可對研究有所幫助,但並不能證明在這些環境中訓練可提升真實硬件的表現。這類主張需要一項評估,將生成環境、訓練過程和實體結果連結起來。這次創意發佈並未提供這條證據鏈。

建築重建帶來相關問題。虛構細節可改善視覺連續性,卻會削弱場景作為紀錄的價值。觀眾未必能辨認哪些區域來自相片,哪些是生成內容。團隊向需要作出事實判斷的人展示重建成果時,應保留這項區分。

這些限制不會否定創意應用,而是界定證據的邊界。推測性的電影環境毋須成為已核實的實體模擬器;研究模擬則需要符合其研究主張的評估。將兩者都稱為世界模型,不應抹去這些不同責任。

因此,有用的懷疑立場應具體明確。Atlas 易於使用的工具可支持對其創意工作流程主張的研究,但不能解決重建準確度、下游製作效率或物理遷移等問題。World Labs Atlas 的發佈應透過這些獨立問題來評估,並為每項相關主張保留不確定性。

三個訊號將顯示此工作流程能否經得起考驗

下一批證據應展示可重複的工作,涵蓋修訂、匯出及不斷變化的競爭條件。

第一個訊號,是一個經獨立記錄、能經受修訂的項目。有用的紀錄應展示其起始參考資料、預定交付成果、被否決的輸出,以及審閱期間提出的修改要求。其後,紀錄應追蹤獲接納的成果進入另一項工具的過程。這會強化 Atlas 能在初始生成以外保留有用工作的論點。

一張經挑選的最終圖像提供的證據較少;沒有說明後續情況的成功匯出亦然。真正相關的衡量標準,是貢獻者能否以可管理的修正量繼續推進項目。詳細的失敗報告同樣有價值,因為它可識別不適合的條件。

第二個訊號,是在困難視角下能否提供可重複的品質。評估者應檢視對其預定用途重要的區域,包括開場構圖以外的位置;他們亦應區分已捕捉的細節與生成的補充內容。若在這類檢查中持續得到一致結果,將可加強對該場景作為可重用資產的信心。

持續出現的問題,會縮窄合適的使用情境,而不是令所有輸出都變得毫無價值。一個場景可能仍適合用於概念討論,卻無法勝任要求更高的重建工作。清楚報告應指出這條界線。對買家來說,具體限制比欠缺支持的廣泛可靠性主張更有價值。

第三個訊號,是競爭工具如何回應相同的工作流程要求。應留意相機控制、修訂、匯出及跨互動連續性方面有文件記錄的改善。一項可信的 World Labs Atlas 與 Genie 評估,會明確說明其任務及條件;更好的證據可提高這項競爭對買家的實用性。

在未來數月,這些訊號應比又一輪精心挑選的示範更為重要。最有力的證據,會將技術能力連結到在真實限制下完成的工作;最薄弱的證據,則會重複廣泛承諾,卻不展示使用者必須修復、放棄或重新建立的內容。

評估這次發佈的團隊,可在內部善用這些證據。在不同方案之間保留相同要求、記錄人手介入,並將視覺驗收與事實準確度分開。共享審閱紀錄可防止一個吸引人的概念悄然變成被假定為真實的重建成果,也有助解釋為何某項工具值得採用。

在採用 World Labs Atlas 發佈版前,選擇一個具代表性的項目,並界定成功交接的意義。把參考資料、修改要求及獲接納的輸出成果放在一起。請同事在預定目的地工具中繼續處理場景,然後記錄他們在哪些地方需要澄清或修復。將這種體驗與現有流程比較。對探索性工作,判斷該工具是否有助團隊作出更清晰的決定;對重建工作,識別哪些細節有支持證據;對模擬工作,要求評估真正重要的行為。最有用的問題很具體:另一個人能否接手這項成果、理解它的限制,並完成工作的下一個階段?

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page