高德地图发布的“飞行街景”功能，因其背后使用的世界模型生成技术引发了广泛关注。它试图通过AI生成的方式来重构实景导航，这不同于以往的3D重建技术。其核心价值在于探索如何在保证地理真实性的前提下，利用生成模型创造出连续、丝滑的视觉体验，为未来的数字地图形态提供了新的可能性。
智能速览
高德发布“飞行街景”，由新一代世界模型FantasyWorld驱动。
该功能通过参考图和相机轨迹生成视频，实现从室外到室内的连续飞行。
技术核心挑战在于保证地理真实性与场景连续性，当前或可见拼接痕迹。
与Google Maps类似功能相比，高德面临航拍数据积累不足的挑战。
FantasyWorld模型通过几何一致性约束，有效统一了视频生成与3D预测。
模型具备输出3D点云的潜力，未来或可支持更丰富的空间交互体验。
精华内容
从依赖真实数据的3D重建，到由AI“想象”生成的世界模型，高德的“飞行街景”标志着技术路径的一次关键转变。它试图在真实与虚拟之间找到新的平衡点，但这条路上既有突破也伴随着疑问。
技术路径的转变
高德“飞行街景”最引人注目的，是其采用了世界模型进行生成，而非行业惯用的NeRF或3DGS等3D重建技术。传统的3D重建基于真实拍摄数据，物理真实性有保障，但数据采集成本高昂且室外室内场景难以无缝衔接。
世界模型则通过参考图和提示词“想象”出场景，虽然自由度高，但如何保证地理信息的“真实”而非“虚构”，成为了首要挑战。
从观察到的视频效果看，从室外飞入室内的过程非常连贯，解决了传统重建中“两张皮”的问题，但这种连续性的实现方式仍有待深入探究。
连续性与真实性观察
仔细审视官方演示视频，虽然整体飞行效果流畅，但在室外到室内的过渡部分，偶尔能察觉到一些不自然的拼接效果。这引发了一种推测：室外和室内场景可能仍然是分开生成，再通过技术手段进行后期融合。
这种“分开生成再拼接”的策略，或许是当前技术在保证各部分高质量的同时，实现整体连续性的一个折中方案。它既能利用世界模型生成丰富细节，又能分别控制不同环境的生成逻辑，但离完全浑然一体的体验还有一步之遥。
FantasyWorld的核心解法
为解决生成内容的真实感问题，高德背后的世界模型FantasyWorld提出了“几何一致性”的解决方案。该模型巧妙地融合了视频生成与3D预测两个分支，并通过一个双向交叉注意力机制让它们实时对齐。
具体来说，几何分支会计算出一个3D空间布局，并强制视频分支的生成内容必须符合这个布局。例如，如果几何判断此处为一面墙，视频生成就不能在这里画出通透的远景。反之，视频生成的语义细节也能帮助几何分支优化3D形状，尤其是在处理遮挡区域时。这种相互约束，是确保生成内容“看起来像那么回事”的关键。
数据挑战与未来展望
与拥有海量航拍数据的Google Maps不同，高德在推广此类功能时，面临着一个现实问题：如何获取高质量的室外航拍数据源？是自行组织拍摄，还是与测绘机构或商业图商合作，这将直接影响其覆盖范围和更新效率。
不过，FantasyWorld模型的潜力不止于视频。根据其论文，模型还能输出深度图和3D点云。这意味着，当前以视频形式展现的“飞行街景”，在未来完全有可能升级为可自由探索的3D空间，类似3DGS的效果。这种能力不仅对C端用户更有吸引力，也为B端的具身智能、数字孪生等应用打开了想象空间。
