World Labs presenta Atlas: el modelo controla la cámara en el vídeo y entrega la escena con geometría 3D explícita

La empresa World Labs, de San Francisco, ha anunciado Atlas, un modelo que asume a la vez cuatro tareas que normalmente están repartidas entre herramientas distintas: la generación de imágenes y panorámicas de 360 grados a partir de texto, la generación de vídeo con control de cámara, la reconstrucción de escenas reales a partir de fotografías y la simulación del espacio y el tiempo a partir de una grabación de vídeo. Sus desarrolladores lo llaman un modelo del mundo: generación, reconstrucción y simulación unidas en un mismo circuito.

Para quienes trabajan con gráficos, el punto clave está escondido en la descripción de la reconstrucción. Atlas entrega fotogramas desde nuevos ángulos y, al mismo tiempo, salidas 3D explícitas: el resultado se puede llevar a una escena y no solo montarlo como vídeo.

La cámara como parámetro de entrada

El modo Camera-Controlled Generation admite una o varias tomas junto con una posición y un ángulo de cámara determinados, y a la salida entrega un vídeo de hasta un minuto de duración a 1440p. Según la descripción de World Labs, la cámara se define como geometría exacta y no como una instrucción de texto, y la trayectoria del recorrido se proyecta de antemano: en los ejemplos mostrados, el trayecto de la cámara se trazó a mano.

Un minuto de material continuo a 1440p ya es una duración apta para previz, insertos de animación, un fondo o una base para composición. Para la previsualización y el pitching, un formato así cubre buena parte de las tareas sin construir la escena a mano.

De un solo fotograma a varias decenas de tomas

El modo Spatial Reconstruction reconstruye una escena real a partir de un número de imágenes que va de una a varias decenas. Atlas genera fotogramas desde nuevos puntos de vista y, en paralelo, una representación 3D explícita de la escena; en la página oficial del modelo se indica que el resultado se exporta como nube de puntos o como gaussian splats.

Esto cambia el procedimiento habitual de captura para fotogrametría. Los pipelines clásicos exigen una cobertura densa del objeto con decenas y centenares de fotogramas solapados, luz cuidada y sin objetos en movimiento. Un modelo al que le basta un puñado de tomas elimina parte de esos requisitos; el precio, a juzgar por la naturaleza del enfoque generativo, es que las zonas que faltan de la escena se dibujan en lugar de medirse; World Labs indica directamente que Atlas se inventa las áreas no visibles en la entrada, y que cuantas más tomas se le pasen, menos tendrá que imaginar. Para bocetos de entornos, referencias y gemelos digitales rápidos de una localización el intercambio compensa; para mediciones precisas, difícilmente.

Simulación del espacio-tiempo y reencuadre del material rodado

El tercer modo, Space-Time Simulation, modela el espacio y el tiempo a partir de un vídeo de entrada. World Labs menciona dos aplicaciones: el reencuadre de vídeo ya rodado para tareas de efectos visuales y los escenarios Real-to-Sim en robótica, es decir, el traslado de una escena real a una simulación.

Lo primero afecta directamente a la posproducción: el encuadre y el punto de cámara se pueden cambiar a posteriori, con material de varias cámaras corrientes. Lo segundo muestra que el público del modelo no se limita al cine y los videojuegos: esos mismos datos sobre la geometría y la dinámica de la escena los necesitan los desarrolladores de robots.

El cuarto modo es la generación de imágenes y panorámicas de 360 grados a partir de texto, con soporte para prompts complejos y distintos estilos visuales. Las panorámicas sirven como formato de producción: entorno, skybox, fondo para una escena en tiempo real.

Quién puede probarlo ya

No hay acceso libre: la solicitud de acceso anticipado a Atlas se deja en el sitio web de la compañía. World Labs no ha anunciado tarifas ni fechas de lanzamiento público. La demostración de las capacidades del modelo la mostró la compañía en un vídeo.

Por qué las herramientas dispersas han empezado a reunirse en un solo modelo

En los últimos años las herramientas generativas para gráficos se han desarrollado como un conjunto de especialistas estrechos: por un lado los generadores de vídeo, por otro las soluciones para recuperar geometría a partir de fotografías, por otro los generadores de texturas y panorámicas. El artista tenía que coserlas a mano, perdiendo calidad y tiempo en cada juntura. La propuesta de Atlas es el movimiento contrario: un solo modelo, entrenado para trabajar a la vez con texto, imagen, vídeo y datos tridimensionales, para que el resultado de un modo sirva como entrada del siguiente.

Es probable que detrás de esto esté también el interés acumulado de la industria por los gaussian splats: en pocos años el formato ha pasado de ser un tema de investigación a estar soportado en paquetes comerciales, y un modelo generativo que entrega splats directamente encaja en un pipeline ya preparado. Si la tendencia continúa, la diferencia entre generar vídeo y montar una escena se irá borrando, y a los modeladores se les exigirá más trabajo de selección, limpieza y remate de la geometría generada.

Aquí conviene la cautela: mientras el modelo viva en un acceso anticipado cerrado, no se puede juzgar su comportamiento con material de producción real: reflejos complejos, geometría fina, rodaje en movimiento. Otra cosa sí está clara: la competencia entre los generadores de vídeo se desplaza de la calidad de la imagen al control sobre la cámara y a la posibilidad de extraer del resultado una escena tridimensional.