快科技11月4日消息，小米技术官方发布文章，详细介绍其自研视觉生成框架WorldCast及在手机端的落地应用，该框架已搭载于10月27日发布的REDMI K100，为用户提供3D运镜AI影像功能。
WorldCast的核心能力是将静态照片转化为具有环绕、推拉、倾斜等运镜效果的3D视频。
用户只需从相册选择一张照片，AI即可生成大角度3D运镜视频，且在镜头运动过程中保持画面中人物五官、发型、衣着的一致性。
这一功能并非孤立存在，它与一键动图、希区柯克变焦、延时摄影共同构成了REDMI K100的AI影像玩法矩阵。
从技术角度看，WorldCast需要解决两大难题：一是复杂运镜轨迹的精准跟随，二是大角度视角变化下的角色身份一致性保持。
小米的解决方案包含三大模块：
首先通过深度估计模型将二维照片升至三维空间，构建带颜色的3D点云，再沿目标相机轨迹渲染引导图；
其次引入几何对齐的记忆注意力机制（GAMA），通过多视角锚点图补充角色背面等不可见区域的外观信息；
最后构建了包含8万样本的训练数据集和覆盖42个场景的评测基准CLACT。
在CLACT基准测试中（42个场景 x 6类轨迹，与13个方法同台竞技），WorldCast在全部相机控制与角色一致性指标上取得第一。
其中轨迹精度指标ATE从此前最优的0.098降至0.065，跨视角几何一致性指标MEt3R达到全场最优，身份相似度相比次优方法提升约28%，同时画面质量IQ保持在0.719的第一梯队水准。
