西湖大学放大招！免训练“AI导演”出世，让单图秒变360°环绕世界

景点排名 2025年09月24日 19:47 0 admin

你有没有想过，只靠一张照片，就能拍出一部360度环绕视角的视频，还能像专业导演一样控制镜头怎么动、从哪拍、拍多远？

这不是在做梦，也不是哪家视频特效公司搞的黑科技，是西湖大学 AGI 实验室搞出来的真东西，名字叫——WorldForge。

该模型的厉害之处在于：不给模型“洗脑”，也不需要重训，只靠在推理阶段加点“导演指令”，就能让 AI 拍出你想要的电影级效果。

这几年 AI 视频是越来越猛了，尤其是 OpenAI 的 Sora 一出，整个圈子都炸了。但冷静下来一看，问题也很明显：这些 AI 模型就像有艺术气质的摄影师，画面确实惊艳，但你想让它“听导演的话”？那是不可能的。

你说来个环绕镜头，它偏要给你来个转圈圈，你说从左往右平移，它偏要飘上天，像是在玩游戏时开了自由视角一样。

但西湖大学 AGI 实验室这次给的解法，不光解决了“AI不听话”的问题，还完全不需要重新训练模型。这套框架叫 WorldForge，直译是“世界锻造厂”，听起来就像是魔兽世界里的装备副本。

但它干的事却是真实的，它可以让视频模型在自由发挥的同时，乖乖听指挥，做到“镜头轨迹精准控制 + 画质不崩”。

这是一种“即插即用”的推理时控制方法，你理解成“视频生成外挂”也没错。模型完全不用改，只是在推理时加入一些控制模块，就能让 AI 视频像导演拍的那样走镜头。

项目由宋晨曦博士后主导，研究方向的是3D/4D场景重建与可控生成，指导老师是助理教授张驰，研究团队隶属于西湖大学 AGI 实验室。

他们的目标很简单：让AI成为一个可以理解导演意图的执行者。

WorldForge 之所以能做到这一点，靠的是三个非常实用的模块，你可以理解为“技能树”：

第一个技能叫 IRR，全称是“步内递归修正”。它让AI在每一步推理时先自由预测，然后我们再用已知的真实内容纠正它。

第二个技能是 FLF（流门控潜在融合），它会聪明地只给“运动通道”发指令，不去打扰那些负责画面质量的部分，避免把画面搞花。

第三个技能是 DSG（双路径自校正引导），他可以一边让模型自由发挥，一边让它照着你的轨迹来。等两条路径出来后再对比，把自由发挥那一条的高画质优势“拉”到轨迹执行的这边来，最终兼顾精度和质量。

这三个技能组合起来，AI 就像是一个可以听得懂你话的摄影导演，既能拍得美、又不乱晃。

只要一张普通照片，就能生成一个清晰、稳定、几何一致的360°环绕视频。传统方案的步骤又多又麻烦，但WorldForge 直接一步到位，连中间件都省了。

而且它不光能生成，还能“重拍”已有的视频、直接编辑视频。你想把视频里的人换个衣服？没问题；想去掉背景里的路人甲？也行。

而且这些都不需要训练模型，不需要你在服务器上烧显卡搞微调，直接用现成模型就能干活，落地成本极低。

这就是 WorldForge 的最大优势：免训练、强泛化、低成本、即插即用。它不是那种“论文里跑得飞起，现实中落不了地”的技术，是真的可以直接塞进现有的视频生成模型里用。

对影视、游戏、数字孪生这些行业来说，这相当于直接降低了高质量内容创作的门槛，把原本只有大厂能干的活，变成了中小团队也能玩得起的工具。

它让我们看到，AI可以不只是一个“内容生成器”， WorldForge打开了一条新的道路。

库卡全球首发多场景自动化解决方案覆盖五大行业

发表评论