Китайская InSpatio выпустила аналог Atlas от Фей-Фей Ли на полгода раньше

2 сентября World Labs, основанная Фей-Фей Ли, выпустила Atlas и назвала его первой мультимодальной мировой моделью. Atlas сводит текст, картинки, видео и 3D в единый контекст: по паре изображений он восстанавливает трехмерную сцену, генерирует новые ракурсы и позволяет камере двигаться, не разрушая пространство.

Но китайская команда InSpatio (影溯) открыла схожую модель InSpatio-World еще в марте. Она получает на вход обычное видео и строит динамичную 4D-сцену: пользователь меняет траекторию камеры и заглядывает за пределы кадра. В отличие от Atlas, время там тоже явно моделируется: событие можно пересматривать из разных временных точек. Обновление, судя по заявлениям, снова будет открытым.

Оба подхода — шаги к одной цели: мировая модель учится не просто генерировать правдоподобное видео, а описывать устойчивое пространство и показывать его с разных точек и в разные моменты.

InSpatio-Curious возглавила авторитетный рейтинг WorldArena 2.0: 66,11 балла и первое место среди 77 моделей. При этом по «красоте» картинок модель уступила конкуренту — победу ей принесли точность траекторий, глубины и физическая согласованность, важные для роботов.

29 августа InSpatio с университетами запустила открытую программу SIDO — за два года она соберет миллион 3D/4D-сцен. Дальше конкуренция перейдет от алгоритмов к данным.