월드랩스가 신모델 Atlas를 공개했다. 회사는 이를 공간 지능을 위한 '옴니모달' 모델로 규정하는데, 텍스트·이미지·영상·3D 데이터가 동일한 아키텍처를 거치며, 출력물은 이미지·영상·포인트 클라우드는 물론 3D 가우시안 스플래팅까지 될 수 있다. 회사가 그동안 공개적으로 내세운 것은 투자 유치와 자사 플랫폼 Marble이었을 뿐, 모델 본체가 이 정도로 온전히 공개된 것은 이번이 처음이다.
Atlas의 기술적 형태는 멀티모달 자기회귀 확산 트랜스포머이며, 확산 부분에는 렉티파이드 플로우(rectified flow)를 사용한다. 카메라 포즈를 네이티브 조건 입력으로 만든 것이 이 모델에서 가장 까다로운 설계 지점이다. 영상을 생성할 때 카메라가 어느 방향으로, 얼마나 빠르게, 어떤 초점 거리로 움직이는지를 픽셀 단위로 지정할 수 있어, '천천히 줌인'이라고 프롬프트를 써놓고 모델이 알아듣기를 바랄 필요가 없다.
모델 하나로 네 가지 작업을 처리하다
공식이 밝힌 기능은 네 그룹이다. 첫 번째는 카메라 제어가 가능한 생성으로, 텍스트나 이미지 한 장에서 출발해 사용자가 지정한 카메라 궤적을 따라 영상을 생성한다. 두 번째는 희소 재구성으로, 사진 1장에서 100장 이상을 입력하면 모델이 해당 장면의 3D 표현을 출력한다. 세 번째는 시공간 시뮬레이션으로, 기존 영상의 구도와 카메라 위치를 다시 바꾸는 기능이며, 회사는 로봇 분야의 리얼-투-심(Real-to-Sim) 용도를 구체적으로 언급했다. 네 번째는 비교적 통상적인 기능으로, 텍스트 기반 이미지 생성과 360도 파노라마다.
영상 출력 상한은 1440p, 1분이다. 오늘날 영상 생성 모델 기준으로 보면 공격적인 수치는 아니며, 영상에 특화된 제품들은 이미 재생 시간 면에서 더 앞서 있다. 다만 Atlas가 내세우는 것은 재생 시간이 아니다. 회사가 제시한 비교 데이터는 카메라 추적 과제에 관한 것으로, 사용자들은 FLUX를 상대로 Atlas의 결과물을 93%의 비율로 선호했다. 3D 재구성 면에서는 전문 재구성 SOTA 모델을 앞섰다고 밝혔으며, 평균 절대 상대 오차는 25.3이다.
범용 모델이 두 개의 전문 분야 모두에서 밀리지 않는다는 것, 이것이 Atlas가 하고 싶은 이야기다. 이 주장이 성립하는지는 초기 테스터들이 내놓을 제3자 검증 결과에 달려 있다.
카메라 제어가 분기점인 이유
지난 2년간 영상 생성 모델의 카메라 움직임은 기본적으로 의미론적 추측에 의존해왔다. '선회 촬영'이라고 쓰면 모델은 대략 회전하는 듯한 화면을 내놓지만, 몇 도를 회전하는지, 중심이 어디인지, 흔들림은 없는지는 전혀 보장되지 않는다. 영상 프리비주얼라이제이션을 하는 사람들은 보통 십수 개를 생성해 그중 하나를 고르는 식으로 대응해왔고, 로봇 시뮬레이션을 하는 사람들은 아예 쓰지 않았다. 시뮬레이션에는 재현 가능한 카메라 외부 파라미터가 필요한데, '움직이는 것처럼 보이는' 정도로는 가치가 없기 때문이다.
포즈를 조건 입력으로 바꾼다는 것은, 이 문제를 생성 문제에서 제어 문제로 격하시킨다는 뜻이다. 모델은 여전히 화면 내용을 지어내지만, 카메라라는 차원만큼은 무작위성에서 벗어난다. 하류 단계에 가장 직접적인 영향은 생성 결과를 3D 재구성과 정렬할 수 있다는 점이다. 동일한 장면에서 영상과 포인트 클라우드, 가우시안 스플래팅을 모두 얻을 수 있고, 둘은 같은 좌표계를 공유한다. 월드랩스는 이 방향을 공간 지능이라 부르는데, 페이페이 리가 이전에 10억 달러 규모의 투자를 유치할 때 내세운 설명도 바로 이것이었다.
초기 테스트, 그리고 Marble의 다음 버전
Atlas는 현재 일부 파트너에게만 공개되어 있으며, 신청서를 통한 방식으로 제공되고 공개 API나 가격 정책은 없다. 회사는 Atlas가 향후 Marble 버전을 구동하게 될 것이라고 명확히 밝혔다. Marble은 월드랩스가 이미 출시한 공간 생성 플랫폼으로, 현재는 아직 이전 세대 기술 스택으로 운영되고 있다.
이런 속도 조절에는 계산이 깔려 있다. 월드랩스는 창업 이후 제품 행보가 줄곧 느렸고, Marble이 처음으로 실제 써볼 수 있었던 것이었으며, Atlas는 공개 출시 단계를 아예 건너뛰었다. 기업 가치와 투자 유치 규모를 모두 높게 끌어올린 회사 입장에서는, 누구나 써볼 수 있는 데모를 여는 것보다 로봇과 영상 산업 분야의 소수 파트너에게 먼저 모델을 넘기는 편이 실익이 크다. 전자는 시뮬레이션 정밀도가 충분한지에 대한 피드백을 줄 수 있지만, 후자는 십중팔구 소셜미디어용 짧은 영상 몇 편을 만들어내는 데 그칠 가능성이 크기 때문이다.
Atlas의 실질적인 문턱을 대략 계산해보자. 1분·1440p 영상에 더해 같은 장면의 3D 출력까지 함께 생성해야 하니, 한 번의 추론에 드는 연산 비용을 소비자용 구독료로 감당하기는 어렵다. 가격란이 아직 비어 있는 것도 이 때문일 가능성이 크다. 모델의 형태는 일단 수렴했지만, 이를 어떻게 판매할지는 아직 더 지켜봐야 한다.
참고 출처: 월드랩스 공식 블로그, CocoLoop. 모델 아키텍처, 영상 길이 및 해상도, 카메라 추적 선호 비율, 재구성 오차 수치는 모두 공식 발표 기준으로 확인함.