11月4日，小米技术介绍了10月27日发布的REDMI K100的新功能“3D运镜”。 用户在相册里选一张静态照片，AI就能生成一段大角度运镜视频，支持环绕、推拉、倾斜，人物的五官、发型、服饰保持不变。IT之家微博
这听起来像“照片动起来”的升级版，其实不是一回事。
普通AI动图常见两类。一类只让画面局部动：眨眼、头发飘、云流动，动作一大，整张脸就得重画。另一类先给照片估一张深度图，把前后景错开，做出轻微视差，工具宣传的卖点是“真实深度和视差效果”。哔哩哔哩
两类做法都还没有真正的三维场景。它们能回答“下一帧怎么变”，却回答不了“镜头绕到侧面，那里该是什么”。一位作者让AI给老照片加“转头”动作，结果十张里有八张不像同一个人。 原图里没有侧脸，模型只能硬编；动作越大，越容易崩。知乎
背后的WorldCast换了一个问题。它先用深度估计把照片反投影成三维点云：每个像素按远近“立”起来，变成一团带颜色的点。深度图只知道相对远近，不知道真实尺度，所以还要把点云和相机轨迹的尺度对齐。知乎
模型沿目标相机轨迹渲染出每一帧的几何引导图和覆盖掩码。引导图给出该视角下场景的大致样子；掩码标出原点云覆盖不到、要模型补的区域。知乎
点云只记录照片看得见的那一面。镜头绕到背后，背面仍是空的。论文的办法是引入多视角角色锚点，用几何对齐记忆注意力（GAMA）在生成时按当前视角检索锚点里的外观。知乎
这不是猜得更准，而是把额外视角的信息补进去。消融实验里，去掉GAMA，轨迹误差ATE从0.065升到0.100，人脸相似度从0.555降到0.370。知乎
手机版的关键差异也在这。论文版除了参考图和轨迹，还要1—4张任意视角锚点图。 手机版只让用户选一张照片，功能介绍里说，它会解析图片深度信息，把平面照片重建为三维场景，虚拟生成真实相机拍摄轨迹。AI工具集微博
论文自己也提醒，WorldCast用了额外的多视角锚点，和只用单张图的方法比较时，要看输入信息的差异。 看见“单图绕到背后也不变脸”的演示，最好理解为端上模型补得更稳，而不是它真的掌握了照片背面。知乎
差别其实就一句话：普通AI动图让画面里的像素动，WorldCast让一台虚拟相机在重建出的场景里动。前者适合几秒钟的小情绪，后者才谈得上“运镜”。手机版支持环绕、推拉、倾斜；官方把更复杂运镜、更长连续生成和可控4D列为下一步。 判断“是不是3D”，标准不该只是有没有环绕效果，而是镜头运动有没有一个可计算的场景作为依据。微博
