World Labs、Atlasをリアルタイムで探索できるFrameboyをリリース

World Labsは2026年11月5日、Frameboyをリリースした。同社によると、これは研究プレビューで、ユーザーがカメラを操作する間、クラウドGPUで生成したAtlasのシーンをブラウザーに最大毎秒15フレームで配信する。また、3Dシーンを作成するためのクローズドベータ版ウェブアプリ「Viewfinder」にもこのモードを統合した。

レンダリングのリクエストから、途切れない探索へ

World Labsによると、Frameboyを支える最適化済みAtlasモデルは、新規視点の合成品質を保ちながら、より高速で効率的な推論を実現するよう設計されている。今回の発表で特に重要なのは、新たなインタラクションの仕組みだ。動画をリクエストして結果を待つ代わりに、ユーザーはフレームを継続的に受け取り、探索中にカメラの動きを変更できる。

手動で生成を開始するAtlasの動画では、完成まで数十秒、場合によっては数分かかる。World Labsによると、そのためユーザーはシーンの構築やカメラの動きの計画に慎重になり、試行を繰り返す回数も減ってしまう。映像が途切れずに出力されれば、意図しない視点に気づいてすぐに調整できる。これにより、実験的な試行錯誤が個別の生成処理を順番に行う流れから切り離されず、探索そのものに組み込まれる。

Atlasの用途として挙げられているのは、映画撮影の仮想的な視点の下見、建設現場の進捗確認、3Dゲームのレベル開発、ロボット向け環境のシミュレーションなどだ。これらの作業では視点の選択やテストが必要になる。そのため、World Labsが生成の遅延を単なる推論性能の指標ではなく、製品レベルの課題として捉えている理由が分かる。

Viewfinderでシーンを構築してからストリーミング

Frameboyのデモでは、Stanford Quad、Sutro Baths、Palace of Fine Arts、Cyberpunk、Spaceship Interior、Frozen Fortressから選べる、厳選されたシーンのメニューが用意されている。World Labsによると、シーンの初期設定には1枚の画像を使うことができ、Atlasが追加の視点を生成してFrameboyの空間コンテキストを構成する。一方、複数視点の撮影データを使えば、実在する場所をナビゲーションの対象にできる。

Viewfinderでは、こうした厳選されたリストにとどまらない使い方ができる。ユーザーは自分の入力をもとにフレームを1枚ずつ重ねてシーンを構築し、異なるカメラアングルからの視点を生成できる。また、新たに生成されるAtlasの各フレームについて、カラー画像と深度情報の両方を受け取れる。Viewfinderで作成したシーンは、リアルタイムのFrameboyセッションの入力として利用でき、そのオーバーレイが探索中に生成フレームをストリーミングする。

Viewfinderはウェイトリストを通じてクローズドベータ版を試用できる。Atlasも発表時には、一部のパートナーを対象に早期アクセスを開始する段階にあった。新しいストリーミング機能も、こうした限定的なアクセスプログラムの枠内で提供される。

AtlasのアーキテクチャとRTFMからの発展

World Labsは2026年9月1日、テキスト、画像、動画、3Dをネイティブに扱えるよう、ゼロから事前学習したオムニ・ワールドモデルとしてAtlasを発表した。マルチモーダルな自己回帰型拡散トランスフォーマーであるAtlasは、入力を3D空間に位置づけて空間コンテキストを形成し、先行する要素を条件として、系列の要素を1つずつ生成する。入力としてテキスト、画像、カメラ姿勢、3D深度マップに対応する。動画は画像の系列として表現され、各画像や深度マップは明示的なカメラ姿勢を条件として生成される。

World Labsによると、Atlasはカメラを操作しながら最大1分間の1440p動画を生成できるほか、まばらな入力画像から実世界のシーンを再構築できる。また、点群や3Dガウス・スプラッティングも生成できるため、生成画像や動画に加えて、明示的な3D出力も得られる。

Frameboyは、2025年10月16日に公開された研究プレビューRTFMを発展させたものだ。RTFMは単一のH100 GPU上で、インタラクティブなフレームレートを目指していた。明示的な3D表現を構築せずに新たな2D視点を生成する、学習ベースのレンダラーとして設計された。姿勢情報付きのフレームを空間メモリーとして使い、新しい視点ごとに近傍のフレームを取り出すことでコンテキストをやりくりし、増え続けるフレーム履歴全体に対するアテンション計算を避けていた。

World Labsによると、AtlasはRTFMのコンセプトを、大幅に大きなモデルと桁違いに多い学習データで拡張したものだ。RTFMは主に既存の視点間を補間するよう設計されていた。一方、Atlasは1枚の画像またはテキストによる説明だけを使ってシーンをゼロから生成できるほか、複数の画像から新たな視点を合成する機能も備えている。

クラウドの計算資源が依然として制約に

World Labsによると、現在Frameboyを動かすには高性能なクラウドGPUサーバーが必要で、ローカルでレンダリングする方法と比べてコストも高い。

同社は、ハードウェアとソフトウェアの進化によって、技術の高速化と低コスト化が進むと見込んでいる。このプレビューにおける中心的なトレードオフは明らかだ。カメラを操作しながら連続生成する機能はブラウザーで利用できる一方、それを維持するために必要なクラウド推論は、日常的な利用を妨げる現実的な障壁として残っている。