AI教母李飞飞空间智能WorldLabs发布单个图像生成3D世界...

什么是空间智能

人类智能展现出了纷繁复杂且多元的诸多方面。在这众多方面之中，语言智能无疑占据着至关重要的地位。它犹如一座无形的桥梁，让我们得以凭借语言这一神奇的工具与他人进行流畅无阻的交流，并建立起紧密的联系。语言智能使我们能够清晰地表达内心的想法与情感，无论是在温馨的家庭聚会中分享欢乐，还是在严肃的学术研讨会上阐述深邃的观点，它都发挥着不可或缺的作用。

迄今为止，语言催化了这一激动人心的早期时刻，文本提示的图像和视频模型与大型语言模型 (LLM) 一起崛起，预示着人工智能在视觉领域的潜力。这些模型已经使人们能够以新的方式工作和创造；为了超越当今模型的能力，我们需要空间智能人工智能，它可以模拟世界并推理 3D 空间和时间中的物体、地点和交互。

空间智能宛如我们与生俱来的本能，赋予我们理解周遭世界的能力，让我们能够与这个多彩的世界进行深度的互动。它就像一把神奇的钥匙，开启了我们认知世界的大门。比如说，当我们在陌生的环境中辨别方向，或是在复杂的空间布局中迅速找到出口，这都是空间智能在发挥作用。

空间智能不仅使我们能够理解世界，还成为了创造力的源泉。它助力我们将脑海中那些缥缈的图像转化为现实世界中实实在在的存在。我们凭借它进行推理，规划出行走的路径，发明出各种前所未有的事物。从孩子们在沙滩上用小手堆砌起的简陋沙堡，到建筑师们精心设计并建造出的高耸入云的现代化城市，空间智能贯穿其中，激发着我们的想象力和创造力。

World Labs

由 AI 先驱李飞飞、Justin Johnson、Christoph Lassner和Ben Mildenhall共同创立，他们都是计算机视觉和图形领域的世界知名技术专家。World Labs是一家空间智能 AI 公司，致力于构建大型世界模型 (LWM)，以感知、生成和与 3D 世界互动。目标是将 AI 模型从 2D 像素平面提升到完整的 3D 世界（虚拟和现实世界），赋予它们与人类自己的一样丰富的空间智能。

人工智能是一个新兴领域，具有改变世界的潜力。为了实现这一目标，World Labs将开发空间智能大型世界模型 (LWM)，该模型可以通过图像和其他模态理解和推理 3D 世界。随着时间的推移，World Labs希望训练出功能更强大的模型，这些模型可以应用于各种领域，与人类一起工作。

最初，World Labs将专注于无限制地生成 3D 世界 - 创建和编辑具有物理、语义和控制的虚拟空间。它还将允许任何人想象和创建自己的世界，将生成式 AI 的潜力从 2D 图像和视频扩展到 3D 世界。

World Labs分享迈向空间智能的第一步：一个从单个图像生成 3D 世界的 AI 系统。可以进入任何图像并以 3D 形式探索它。3D场景生成后，会使用虚拟摄像头在浏览器中实时渲染。精确控制摄像头可实现艺术摄影效果。可以模拟浅景深，其中只有距离相机一定距离的物体才能聚焦：还可以模拟推拉变焦，同时调整摄像机的位置和视野。可以点击键盘与鼠标来查看3D场景

预测 3D 场景有许多好处：

可视化 3D 场景的最简单方法是深度图，其中每个像素根据其与相机的距离着色。上图我们可以直接生成深度图。

3D世界生成模型以新的方式体验标志性艺术作品。可以走进梵高、霍珀、修拉和康定斯基的作品，体验第一作者视角效果。

3D 世界生成模型正以一种令人瞩目的方式与其他各类 AI 工具实现了自然而然且精妙绝伦的结合。这种结合并非是简单的叠加，而是一种深度的融合与协同，为众多领域带来了前所未有的变革和机遇。

这种融合使得创作者们拥有了更为强大和丰富的手段，能够充分运用他们早已熟知且熟练掌握的工具，去开创出令人耳目一新的独特体验。比如说，在数字艺术创作领域，创作者们过去可能仅仅依赖于传统的绘图软件和技巧，但如今，3D 世界生成模型与其他 AI 工具的结合，为他们打开了一扇全新的创意之门。

以图像创作为例，创作者们可以首先借助文本转图像模型，将脑海中抽象的概念和描述转化为生动逼真的图像。这个过程就像是魔法一般，只需输入一段详细的文字描述，比如“一个梦幻般的森林，阳光透过树叶的缝隙洒下，地面上铺满了五彩斑斓的花朵”，模型就能迅速生成一幅与之对应的精美图像。

而在此基础上，再进一步利用 3D 世界生成模型，依据之前的文本描述去精心构建一个立体、真实且充满细节的 3D 世界。在这个 3D 世界中，每一片树叶的纹理、每一朵花的姿态都被栩栩如生地呈现出来，让人仿佛能够身临其境，走进这个由文字和技术共同缔造的奇妙世界。

这种创新的方式不仅大大提高了创作的效率和质量，还为创作者们提供了无限的想象空间和可能性。无论是在游戏开发、虚拟现实体验设计，还是在影视特效制作等领域，都具有极其广阔的应用前景和巨大的发展潜力。