AI는 이제 장면이 아니라 공간을 만든다: 월드랩스 아틀라스

유튜브 쇼츠를 보다가 한 영상에서 손을 멈췄다.

한 장의 이미지에서 시작한 카메라가 옆으로 이동하고, 원래 화면에 없던 공간까지 자연스럽게 이어지는 영상이었다. 시점이 크게 달라져도 건물과 사물은 같은 자리를 유지했다. 실제 공간을 먼저 만든 뒤 그 안에서 카메라를 움직인 것처럼 보였다.

영상에 등장한 모델은 월드랩스(World Labs)의 아틀라스(Atlas).

처음 떠오른 질문은 단순했다.

‘이제 말 몇 마디만 입력하면 이런 영상까지 만들어지는 걸까?’

공식 자료를 확인해보니 답은 절반만 맞았다. 아틀라스는 텍스트를 입력해 이미지와 360도 장면을 생성할 수 있지만, 공개된 고품질 영상은 프롬프트 한 줄만으로 완성된 결과가 아니었다.

오히려 더 흥미로운 부분은 따로 있었다.

AI가 장면을 그리는 데서 멈추지 않고, 카메라가 움직일 수 있는 공간을 구성하기 시작했다는 점이다.

장면 뒤에 존재하는 공간을 만든다

월드랩스는 스탠퍼드대 교수이자 ‘AI의 대모’로 불리는 페이페이 리가 공동 설립한 기업이다. 이 회사가 2026년 9월 1일 공개한 아틀라스는 텍스트, 이미지, 영상, 3D를 하나의 공간적 맥락 안에서 처리하는 ‘옴니 월드 모델’이다.

월드 모델이 기존 영상 생성 AI와 다른 지점은 무엇일까.

이미지 한 장에는 카메라가 바라본 방향만 담긴다. 인물의 앞모습이 보인다면 뒷모습은 알 수 없고, 건물 정면을 촬영했다면 옆면과 뒤쪽 공간은 화면에 존재하지 않는다.

하지만 카메라가 옆이나 뒤로 이동하려면 보이지 않던 영역까지 새로 만들어야 한다. 이 과정에서 인물의 형태가 달라지거나 사물의 위치가 바뀌면 영상 전체의 연결감도 무너진다. 생성형 AI 영상에서 자주 발견되는 문제다.

아틀라스는 각각의 이미지를 3D 공간 속 특정 위치에 배치해 하나의 공간적 맥락으로 구성한다. 그런 다음 입력 이미지에 없는 영역까지 추론하고, 카메라가 이동했을 때 새롭게 보여야 할 장면을 생성한다.

화면 밖에도 공간이 계속 존재하는 것처럼 다루는 방식이다.

말 몇 마디가 아니라 이미지와 카메라 경로

월드랩스가 공개한 예시를 보면 아틀라스는 한 장에서 최대 여섯 장의 참고 이미지를 받아 새로운 시점의 영상을 만든다. 여기에 카메라의 위치와 각도, 이동 경로가 입력된다.

공식 페이지에 공개된 1분 길이의 1440p 영상 역시 소수의 참고 이미지와 사람이 직접 설계한 카메라 경로를 이용했다. 카메라가 어디에서 출발하고 어느 방향으로 이동할지 제작자가 정한 뒤, 아틀라스가 그 경로에 맞춰 장면을 이어간 구조다.

따라서 ‘말 몇 마디만 입력하면 1분짜리 영상이 완성된다’고 설명하면 실제 제작 과정이 빠진다. 텍스트 입력이 가능한 것은 맞지만, 아틀라스의 차별점은 프롬프트의 짧고 긴 정도에 있지 않다.

핵심은 카메라를 제어하는 방식에 있다.

기존 영상 생성 AI에서도 팬, 틸트, 달리, 크레인 같은 카메라 움직임을 프롬프트로 요청할 수 있다. 문제는 그 문장이 실제 카메라 경로로 정확하게 반영되지 않는 경우가 많다는 것이다. 카메라가 돌아야 하는데 피사체가 회전하고, 뒤로 빠져야 하는 장면에서 배경만 늘어나기도 한다.

아틀라스는 카메라의 위치와 경로를 모델의 입력 정보로 직접 사용한다. 제작자가 원하는 움직임을 문장으로 설명하는 단계를 넘어, 카메라가 지나갈 길 자체를 지정하는 것이다.

좋은 결과가 나올 때까지 반복 생성하는 방식에서 공간 안의 카메라를 설계하는 방식으로의 이동이다.

한 장의 사진은 어디까지 공간이 될 수 있을까

아틀라스는 사진 한 장만으로도 새로운 각도의 장면을 만들어낸다. 입력 이미지에 로봇의 앞모습만 있다면 뒷모습을 추론하고, 수영장 일부만 보인다면 화면 밖에 이어질 주변 공간을 채우는 식이다.

여기서 생성된 부분을 실제 장소의 정확한 복원으로 보기는 어렵다. 입력 이미지에 없는 영역은 모델이 학습한 정보를 바탕으로 그럴듯하게 상상한 결과이기 때문이다.

월드랩스의 설명에서도 입력 이미지가 늘어날수록 모델이 상상으로 채우는 영역은 줄어든다. 두세 장의 이미지로 비교적 충실한 공간을 만들 수 있으며, 정확한 복원이 필요한 경우 100장이 넘는 이미지도 활용할 수 있다.

결국 한 장의 사진으로 만든 공간에는 생성의 영역이 포함된다. 실제로 존재했던 장소와 AI가 추론한 장소가 하나의 결과물 안에 함께 놓이는 것이다.

이 구분은 영상 제작에서도 중요하다. 상상한 배경을 만드는 작업이라면 장점이 되지만, 특정 장소를 정확하게 재현해야 하는 다큐멘터리나 기록 영상에서는 검증이 필요하다.

영상이 아닌 3D 공간으로도 남는다

아틀라스의 출력은 이미지와 영상에만 머물지 않는다. 생성하거나 복원한 공간을 3D 포인트 클라우드와 3D Gaussian Splat 형태로 변환할 수 있다.

이렇게 만들어진 공간은 게임, 가상현실, 디자인, 시각효과 작업으로 이어진다. 실제 장소를 휴대전화 영상으로 촬영한 뒤 가상공간으로 옮기고, 그 안에서 로봇의 이동과 행동을 훈련하는 시뮬레이션에도 활용할 수 있다.

여러 대의 스마트폰으로 촬영한 영상을 하나의 공간으로 재구성해, 원래 카메라가 없었던 시점에서 장면을 다시 보는 사례도 공개됐다. 시간을 멈춘 뒤 시점을 바꾸는 불릿타임과 유사한 표현이다.

기존에는 많은 카메라와 전문 장비가 필요했던 촬영을 소수의 휴대전화 영상으로 구현할 가능성이 열린 셈이다.

영상 생성과 3D 공간 제작, 시뮬레이션의 경계가 점차 흐려지고 있다.

아직 공개되지 않은 이용 범위와 가격

현재 아틀라스는 누구나 가입해 사용할 수 있는 정식 서비스가 아니다. 월드랩스는 일부 파트너를 대상으로 초기 접근을 제공하고 있으며, 사용을 원하는 기업이나 개발자의 신청을 받고 있다.

다만 초기 접근 대상의 국가와 구체적인 선정 기준은 공개하지 않았다. 따라서 미국 기업만 사용할 수 있다고 단정할 근거는 현재 공식 자료에서 확인되지 않는다.

가격도 마찬가지다. 구독료와 영상 한 편당 생성 비용 모두 아직 발표되지 않았다. 1분 길이의 1440p 영상과 3D 공간을 함께 처리하는 만큼 많은 연산 자원이 필요할 가능성은 있지만, 이것만으로 실제 이용료를 예상하기는 어렵다.

지금 확인할 수 있는 것은 아틀라스가 일부 파트너에게만 제공되는 초기 단계의 모델이며, 정식 출시 범위와 가격은 아직 공개되지 않았다는 사실이다.

AI가 카메라를 이해하면 제작자는 무엇을 해야 할까

아틀라스를 보며 가장 흥미로웠던 것은 영상 제작자의 역할이 사라지는가에 대한 질문이 아니었다. 오히려 제작자가 결정해야 할 것이 어떻게 달라지는지가 더 중요해 보였다.

카메라를 직접 들지 않아도 장면의 시작점은 정해야 한다. 어떤 피사체를 먼저 보여주고, 어느 방향으로 이동하며, 공간을 얼마나 넓거나 답답하게 보이게 할지도 선택해야 한다.

AI가 세계를 생성해도 그 세계를 바라보는 시선까지 자동으로 결정되는 것은 아니다.

같은 이미지와 모델을 사용하더라도 카메라의 높이와 거리, 이동 속도에 따라 장면의 의미는 달라진다. 낮은 앵글은 대상을 크게 보이게 하고, 천천히 뒤로 빠지는 카메라는 공간과 인물의 관계를 드러낸다. 빠르게 접근하는 움직임은 긴장을 만들 수 있다.

결국 다시 남는 것은 영상 문법이다.

그동안 AI 영상 제작에서는 프롬프트를 잘 작성하는 능력이 중요하게 다뤄졌다. 아틀라스가 제시한 방향에서는 공간을 설계하고 카메라의 움직임에 의미를 부여하는 능력이 함께 필요해진다.

물론 아직은 월드랩스가 선별해 공개한 사례만 볼 수 있다. 실제 제작 현장에서의 생성 속도와 안정성, 수정 범위, 비용은 더 확인해야 한다. 입력 이미지와 다른 공간을 얼마나 정확하게 유지하는지 역시 본격적인 사용 이후에 평가할 부분이다.

그럼에도 질문은 이미 달라지고 있다.

‘AI로 어떤 영상을 만들 수 있을까?’에서
‘어떤 세계를 만들고, 그 안을 어떤 카메라로 통과할 것인가?’로.

아틀라스가 보여준 변화는 화려한 영상 한 편에만 있지 않다. AI 영상의 중심이 장면 생성에서 공간 설계와 카메라 연출로 이동하고 있다는 것.

AI가 장면 밖의 세계까지 만들기 시작하면서, 영상 제작자에게는 그 세계를 어떻게 보여줄 것인지 결정하는 역할이 남는다.