월드 랩스, 사진 몇 장으로 3D 세계 생성·복원·시뮬레이션하는 AI 모델 ‘아틀라스’ 공개

페이페이 리가 공동 창업한 AI 스타트업 월드 랩스가 사진 몇 장만으로 3차원 장면을 생성·복원·시뮬레이션할 수 있는 세계 모델 ‘아틀라스(Atlas)’를 공개했다. 회사는 아틀라스가 단일 모델로 카메라 시점 제어, 3D 재구성, 로봇용 시뮬레이션까지 수행할 수 있다며, 일부 특화 모델보다 성능이 뛰어나다고 밝혔다.

월드 랩스는 아틀라스를 ‘공간 지능(spatial intelligence)’을 구현하기 위한 첫 대규모 모델이라고 설명했다. 이 회사는 AI가 인간처럼 3차원 공간을 이해해야 한다는 목표를 내세워 왔으며, 아틀라스는 텍스트·이미지·영상·3D 데이터를 처음부터 함께 학습한 옴니 모델로 설계됐다. 입력값은 단순한 평면 정보가 아니라 3D 공간의 특정 위치에 연결돼 처리되며, 회사는 이를 ‘공간적 맥락(spatial context)’이라고 부른다.

아틀라스는 한 장 또는 여러 장의 이미지를 바탕으로 사용자가 지정한 카메라 위치와 각도에서 새로운 장면을 만들어낼 수 있다. 월드 랩스는 최대 1분 길이, 1440p 해상도의 영상을 생성할 수 있다고 설명했다. 텍스트 프롬프트로 장면을 대략 지시하는 방식이 아니라, 카메라 이동 자체를 직접적인 기하학적 입력으로 받아들인다는 점을 강조했다.

실제 장면을 복원하는 기능도 갖췄다. 회사에 따르면 아틀라스는 특수 촬영 장비 없이도 1장부터 수십 장의 사진만으로 공간을 재구성할 수 있으며, 입력 이미지가 많을수록 부족한 부분을 추정해 채워 넣는 비중이 줄어든다. 월드 랩스는 2~3장의 사진만으로도 높은 충실도의 결과를 내며, 일부 3D 특화 모델보다 우수한 성능을 보였다고 주장했다. 공개된 시연에서는 스탠퍼드대 메인 쿼드의 사진을 단계적으로 합성해 항공 시점까지 생성하는 모습도 제시됐다.

아틀라스는 3D 데이터로도 결과를 내보낼 수 있다. 회사는 깊이 정보와 RGB 정보를 함께 처리해 포인트 클라우드와 3D 가우시안 스플랫 같은 형식으로 장면을 출력할 수 있다고 밝혔다. 또 몇 대의 스마트폰과 액션캠으로 촬영한 영상만으로도 장면을 정지시킨 뒤 임의의 각도에서 보는 ‘불릿 타임’ 효과를 구현할 수 있다고 설명했다.

로봇 분야에서는 현실 장면을 가상 환경으로 옮기는 ‘리얼 투 심(real-to-sim)’ 도구로 활용할 수 있다는 점도 내세웠다. 아틀라스는 방을 재구성한 뒤 로봇이 이동하며 보게 될 이미지와 깊이 데이터를 생성하고, 물체 위치나 조명, 배경을 바꿔 다양한 학습 데이터를 만들 수 있다. 월드 랩스는 이를 통해 실제 세계에서 일일이 수집하기 어려운 상황을 시뮬레이션으로 대체할 수 있다고 밝혔다.

아틀라스는 월드 랩스의 기존 제품인 마블(Marble)에도 적용될 예정이다. 현재는 일부 파트너를 대상으로 한 조기 접근 프로그램 형태로 제공되고 있다. 월드 랩스는 2024년 설립됐으며, 설립 초기부터 앤드리슨 호로위츠, AMD, 인텔, 엔비디아 등으로부터 투자를 유치한 바 있다. 다만 업계에서는 아직 ‘세계 모델’의 정의를 둘러싼 논의가 이어지고 있어, 아틀라스가 어디까지를 구현하는지에 대한 평가는 향후 활용 사례를 통해 더 구체화될 전망이다.