部屋の写真をもとに、窓際から室内を見た眺めを作る。World Labsが発表したAtlasの使い道は、こうした例で考えると分かりやすくなります。ただし、元の写真に家具の裏側まで写っているとは限りません。生成された眺めが自然でも、そこにある形のすべてが撮影で確かめられたわけではありません。
World Labsは2026年9月1日、文章・画像・動画・3Dを扱うモデル「Atlas」を発表しました。同社によると、異なる種類の入力を共通の空間コンテキスト、つまり同じ空間を理解するための手がかりとして扱い、次の出力を生成します。カメラの位置と向きを入力すると、新しい視点の画像や映像を作る仕組みです。
写真の外側は、もっともらしい形で補う
同社は、写真に写っていない部分をAtlasがもっともらしい空間として補うと明記しています。写真を増やすと観測情報が増え、想像に頼る部分が減るという説明です。出力を見る際は、入力で確認できる範囲と、モデルが補った範囲を区別する必要があります。
Atlasの中核は、入力同士の関係を扱うニューラルネットワーク、Transformerです。これに、出力を順に作る自己回帰と、ノイズを取り除きながら作る拡散という生成方法を組み合わせています。画像と深度、すなわち奥行きの情報から、点の集まりで空間を表す点群や、ガウス分布を持つ要素で表す3D Gaussian splatsとして3Dを出力できるとも説明しています。
2026年9月9日に確認された案内では、選定パートナー向けの先行アクセスと申し込み窓口が紹介されています。将来のMarbleなどへの搭載も予定されています。ここでは、公開された仕組みから空間づくりへの使い道を考えます。