Stability AI 发布 Stable Virtual Camera：2D 照片迈向 3D 视频新视界

在生成式 AI 领域持续创新的 Stability AI，近日发布了一款令人瞩目的多视角扩散模型 ——Stable Virtual Camera（稳定虚拟相机，简称 SVC）。该模型能将 2D 图片巧妙转化为沉浸式 3D 视频，为用户带来具有逼真深度和视角效果的全新视觉体验，且无需复杂的重建过程或特定场景优化。​

SVC 最大的亮点之一是其强大的动态相机控制功能。它不仅支持用户自定义相机轨迹，还预设了多达 14 种动态相机路径，从常见的 360° 环绕拍摄、∞形轨迹，到富有创意的螺旋式、推轨变焦（dolly zoom），以及基础的平移（pan）、缩放（zoom）、旋转（roll）等操作，都能轻松实现。这意味着用户即使没有专业的 3D 建模经验，也可借助该模型，通过简单设置，让静态图像 “动” 起来，转化为动态的 3D 视觉内容。例如，输入一张卡通小龙的图片，利用 SVC 的 360° 相机路径设置，就能生成一段围绕小龙全方位展示的 3D 视频，仿佛在现实中对其进行环绕拍摄。​

在输入方面，SVC 表现出极大的灵活性。它既可以从单张输入图像生成 3D 视频，也支持同时处理多达 32 张图片，从而生成更为丰富、细腻的 3D 景深细节。并且，该模型能生成多种画面比例的视频，无论是常见的方形（1:1）、竖屏（9:16）、横屏（16:9），还是用户自定义的比例，都无需额外训练即可实现。在视频时长上，SVC 可确保生成长达 1000 帧的视频，并在整个运镜过程中保持 3D 一致性，避免视角切换时出现跳帧、卡顿等问题，为用户带来流畅的视觉享受。​

经测试，Stable Virtual Camera 在新视角合成（Novel View Synthesis, NVS）基准测试中取得了领先成果，在强调生成能力的大视角 NVS 以及注重时间平滑度的小视角 NVS 方面，均超越了 View Crafter 和 CAT 3D 等同类模型。​

不过，作为一款尚处于研究预览阶段的模型，SVC 也存在一定局限性。当输入图像中包含人、动物等动态物体时，生成的视频可能会出现扭曲；对于水面、玻璃、金属反射等具有复杂纹理和难以建模的材质，视频容易产生不稳定的视觉效果；另外，当目标视角与输入图像差距过大，如进行 180° 翻转时，视频画面可能会出现伪影或失真现象。​

目前，Stable Virtual Camera 已在非商业许可下开放给研究人员使用。感兴趣的用户可前往 Hugging Face 下载模型权重，在 GitHub 获取相关代码，深入探索其功能与应用潜力。随着技术的不断发展与完善，SVC 有望在影视制作、游戏开发、虚拟展示等领域发挥重要作用，为 3D 内容创作带来更多可能。​

AI 智讯快报 速递全球 AI 动态