World Labs Atlas: Tek Fotoğraftan Gezilebilir 3B Sahne

Video üreten modellere kamera hareketini kelimelerle tarif ediyoruz: yavaşça sola kaydır, yukarıdan bak. World Labs'in 1 Eylül'de duyurduğu Atlas, bu tarifi ortadan kaldırıyor. Kamera geometrisini metin olarak değil, doğrudan bir girdi türü olarak kabul ediyor. Yani sahneyi hangi açıdan göreceğinizi anlatmıyorsunuz, veriyorsunuz.

Atlas ne yapıyor?

Şirket Atlas'ı, metin, görsel, video ve 3B veriyle doğrudan çalışmak üzere sıfırdan eğitilmiş bir omni model olarak tanımlıyor. Teknik tarafta çok kipli bir otoregresif difüzyon dönüştürücü, ama işlevi tek cümleyle özetlenebilir: dünyayı üretmek, yeniden kurmak ve simüle etmek.

Girdi olarak metin komutu, görsel, video, kamera pozisyonu ve 3B derinlik haritası alabiliyor. Çıktı tarafı daha kalabalık: görsel, video, 360 derece panorama, nokta bulutu ve 3B Gaussian splat üretiyor. Tek bir fotoğraftan başlayıp 100'den fazla görüntüye kadar çalışabiliyor, yani elinizde ne varsa onunla.

Yayımlanan rakamlar arasında dikkat çeken şu: 1440p çözünürlükte bir dakikaya kadar video. Difüzyon adımlarının sayısı değiştirilebildiği için hız ve kalite arasında tercih yapmak da mümkün.

Fark bu noktada video modellerinden ayrılıyor. Bir video modeli size inandırıcı bir görüntü üretir; kameranın nereye gittiği yaklaşık olarak tarifinize uyar. Atlas'ta kamera pozisyonu sayısal bir girdi olduğu için aynı sahnenin aynı açıdan tekrar üretilmesi mümkün hale geliyor. Mimarlık, ürün görselleştirme ya da ölçüm gerektiren her işte belirleyici olan özellik budur.

Nerede kullanılması düşünülüyor?

World Labs dört alan sayıyor: sinematik kamera kontrolü isteyen içerik üretimi, görsel efekt ve tasarım akışları için 3B yeniden kurulum, robot navigasyonu ve manipülasyon simülasyonu, bir de çekilmiş gerçek görüntüyü yeniden çerçeveleme.

Erişim şimdilik dar. Ortak programı üzerinden erken erişim başvurusu alınıyor; fiyat açıklanmadı, kamuya açık API için tarih verilmedi.

Şirketin kendi kabul ettiği bir sınır da var ve dürüst bir kabul: bazen hayal gücü istemezsiniz. Model eksik kalan yeri tamamlıyor, ama birebir doğru bir yeniden kurulum gerektiğinde bu tamamlama bir kusura dönüşüyor.

Emlak ve mobilyada ne işe yarar?

Türkiye'de bu teknolojinin ilk karşılık bulacağı yerler bizce emlak, mobilya ve e-ticaret görselleştirmesi. Bir daireyi telefonla çekip gezilebilir bir sahneye çevirmek, bugün ayrı ekipman ve ayrı bir çekim bütçesi gerektiren bir iş. Aynı şey bir mağaza rafı ya da bir fabrika yerleşimi için de geçerli.

Ama şirketin kendi uyarısını Türkiye bağlamında büyütmek gerekiyor. Emlak ilanında modelin uydurduğu bir pencere, kapanmayan bir kapı ya da olmayan bir balkon estetik bir kusur değil, yanıltıcı reklam meselesidir. Üretilen sahnenin nerede ölçüme dayandığı, nerede modelin tamamlaması olduğu ayırt edilebilir olmalı.

Bugün için pratik tavsiyemiz sade: bu bir satın alma kararı değil, bir planlama sinyali. Fiyat ve API takvimi belli olmadan proje bütçesi kurulmaz. Ama görsel içerik üretimini dış ajansa yaptıran bir e-ticaret ya da emlak şirketiyseniz, önümüzdeki bir yılda bu kalemin nasıl değişebileceğini şimdiden konuşmakta fayda var.

Kaynaklar: World Labs, The Decoder