Atlas 是一个自回归世界模型，此前生成一帧帧画面需要等待数十秒甚至数分钟，用户只能谨慎地规划相机路径。现在发布的 Frameboy 研究预览把经过高度优化的 Atlas 变体部署在云端 GPU 上，以最高 15 fps 向浏览器流式传输画面，用户拖动相机时视图连续更新。该演示既可从单张图像或文本描述生成场景，也保留并改进了从多视角图像做新视角合成的能力，但必须运行在云端高性能 GPU 服务器上，成本高于本地渲染。
Atlas 此前是逐帧自回归生成的世界模型，用户要等数十秒甚至数分钟才能看到一段视频，只能谨慎地规划相机路径。新发布的研究预览 Frameboy 把经过高度优化的 Atlas 变体放在云端 GPU 上，以最高 15 fps 把画面流式传到浏览器，用户拖动相机时视图连续更新。同一实时能力也接入网页应用 Viewfinder，用户可先逐帧搭建自己的场景，再用 Frameboy 叠加层实时探索。
自动驾驶的3D世界模型常把几何基础模型的特征当作未来状态，但这类特征随相机视角变化，使模型要同时预测场景演化和相机运动。GeoState把多视角特征压缩成与视角无关的场景状态，只在解码时用相机射线查询，相机轨迹另行建模。在Waymo上，它在各预测时域优于对比世界模型，并零样本迁移到KITTI和nuScenes。
已读完全部报道