World Labs, Atlas 공개: 영상 속 카메라를 제어하고 장면을 명시적 3D 지오메트리로 내주는 모델

샌프란시스코의 World Labs가 Atlas를 발표했다. 보통은 서로 다른 도구로 나뉘어 있는 네 가지 작업, 즉 텍스트로 이미지와 360도 파노라마를 생성하는 일, 카메라를 제어하며 영상을 생성하는 일, 사진으로 실제 장면을 복원하는 일, 영상 기록을 바탕으로 공간과 시간을 시뮬레이션하는 일을 한꺼번에 떠맡는 모델이다. 개발진은 이를 월드 모델이라고 부른다. 생성과 복원, 시뮬레이션이 하나의 회로 안에 통합돼 있다는 것이다.

그래픽 작업자에게 핵심은 복원 기능 설명 속에 숨어 있다. Atlas는 새로운 시점의 프레임을 내놓는 동시에 명시적인 3D 출력물도 함께 내놓는다. 결과물을 영상으로 편집하는 데 그치지 않고 장면으로 가져올 수 있다는 뜻이다.

입력 파라미터로서의 카메라

Camera-Controlled Generation 모드는 한 장 또는 여러 장의 사진과 지정된 카메라 위치·각도를 입력으로 받아, 1440p 해상도로 최대 1분 길이의 영상을 출력한다. World Labs의 설명에 따르면 카메라는 텍스트 지시가 아니라 정확한 지오메트리로 지정되며, 비행 궤적은 미리 설계된다. 공개된 예시에서 카메라 경로는 수작업으로 깔았다.

1440p로 끊김 없이 1분이면 이미 프리비즈, 애니메이션 삽입 컷, 배경, 합성용 소재로 쓸 만한 길이다. 프리비주얼라이제이션과 피칭에서는 이런 형식만으로도 장면을 손으로 짜지 않고 상당 부분의 작업을 해결할 수 있다.

한 장에서 수십 장까지

Spatial Reconstruction 모드는 한 장에서 수십 장에 이르는 이미지로 실제 장면을 복원한다. Atlas는 새로운 시점의 프레임을 생성하는 동시에 장면의 명시적 3D 표현도 만들어 낸다. 모델 공식 페이지에는 결과물이 포인트 클라우드나 가우시안 스플랫으로 출력된다고 적혀 있다.

이는 포토그래메트리를 위한 촬영 절차를 바꾼다. 고전적인 파이프라인은 대상을 수십, 수백 장의 겹치는 프레임으로 촘촘히 덮고, 조명을 정갈하게 유지하며, 움직이는 물체를 배제할 것을 요구한다. 사진 몇 장이면 충분한 모델은 이런 요구의 일부를 덜어 준다. 그 대가는 생성적 접근의 속성상 장면의 빠진 부분이 측정되는 것이 아니라 그려진다는 점이다. World Labs는 입력에서 보이지 않는 영역을 Atlas가 상상해 채운다고 명시하며, 사진을 많이 넣을수록 상상해 채우는 몫이 줄어든다고 밝혔다. 환경 스케치나 레퍼런스, 현장의 빠른 디지털 트윈에는 이런 교환이 합리적이지만, 정밀 실측에는 어울리지 않는다.

시공간 시뮬레이션과 촬영 소재의 리프레이밍

세 번째 모드인 Space-Time Simulation은 입력 영상을 바탕으로 공간과 시간을 모델링한다. World Labs는 두 가지 용도를 든다. 시각효과 작업을 위해 이미 촬영된 영상을 다시 프레이밍하는 것, 그리고 로보틱스의 Real-to-Sim 시나리오, 즉 실제 장면을 시뮬레이션으로 옮기는 것이다.

첫 번째는 포스트프로덕션과 직결된다. 일반 카메라 여러 대로 찍은 소재만 있으면 프레이밍과 촬영 지점을 사후에 바꿀 수 있다. 두 번째는 이 모델의 수요층이 영화와 게임에 국한되지 않음을 보여 준다. 장면의 지오메트리와 동역학 데이터는 로봇 개발자에게도 필요하기 때문이다.

네 번째 모드는 텍스트로 이미지와 360도 파노라마를 생성하는 기능으로, 복잡한 프롬프트와 다양한 시각 스타일을 지원한다. 파노라마는 환경, 스카이박스, 실시간 장면의 배경 등 프로덕션 포맷으로 그대로 쓸 수 있다.

지금 써 볼 수 있는 사람

자유 이용은 불가능하다. Atlas의 얼리 액세스 신청은 회사 웹사이트에서 받는다. 요금제와 정식 공개 시점은 World Labs가 밝히지 않았다. 모델의 기능 시연은 회사가 영상으로 공개했다.

흩어져 있던 도구를 하나의 모델로 모으기 시작한 이유

최근 몇 년간 그래픽용 생성 도구는 좁은 전문가들의 집합처럼 발전해 왔다. 영상 생성기가 따로, 사진으로 지오메트리를 복원하는 솔루션이 따로, 텍스처와 파노라마 생성기가 따로 있었다. 아티스트는 이들을 손으로 꿰매야 했고, 이음매마다 품질과 시간을 잃었다. Atlas가 내세우는 것은 그 반대 방향이다. 텍스트와 이미지, 영상, 3차원 데이터를 한꺼번에 다루도록 학습된 하나의 모델로, 한 모드의 결과가 다른 모드의 입력으로 쓰이도록 하겠다는 것이다.

그 배경에는 가우시안 스플랫에 대한 업계의 누적된 관심도 있을 것이다. 이 포맷은 몇 년 사이 연구 주제에서 상용 패키지 지원 단계까지 왔고, 스플랫을 곧바로 내주는 생성 모델은 이미 준비된 파이프라인에 그대로 들어맞는다. 이 흐름이 이어지면 영상 생성과 장면 구축의 차이는 흐려지고, 모델러에게는 생성된 지오메트리를 선별하고 정리하고 마무리하는 작업이 더 많이 요구될 것이다.

여기서 신중함은 타당하다. 모델이 비공개 얼리 액세스에 머무는 동안에는 복잡한 반사, 미세한 지오메트리, 움직이며 찍은 촬영 같은 실제 프로덕션 소재에서의 거동을 판단할 수 없다. 분명한 것은 다른 쪽이다. 영상 생성기들의 경쟁은 화질에서 카메라 제어와 결과물에서 3차원 장면을 뽑아낼 수 있는 능력 쪽으로 옮겨 가고 있다.