Stable Virtual Camera – Stability AI 等机构推出的 AI 模型，2D图像转3D视频-爱论文

Stable Virtual Camera是什么

Stable Virtual Camera 是 Stability AI 推出的 AI 模型，能将 2D 图像转换为具有真实深度和透视感的 3D 视频。用户可以通过指定相机轨迹和多种动态路径（如螺旋、推拉变焦、平移等）来生成视频。模型支持从 1 到 32 张输入图像生成不同宽高比（如 1:1、9:16、16:9）的视频，最长可达 1000 帧。无需复杂的重建或优化，可生成高质量的 3D 视频，同时保持 3D 一致性和时间平滑性。

Stable Virtual Camera的主要功能

2D 图像转 3D 视频：能将单张或多张 2D 图像转换为具有深度和透视效果的 3D 视频。自定义相机轨迹：用户可以定义多种动态相机路径，包括 360° 旋转、∞ 形轨迹、螺旋路径、平移、旋转、变焦等。无缝轨迹视频：生成的视频在不同视角之间过渡自然，能实现无缝循环。灵活的输出格式：支持生成方形（1:1）、竖屏（9:16）、横屏（16:9）以及其他自定义宽高比的视频。零样本生成：在训练时仅使用正方形图像，也能生成不同宽高比的视频。深度和透视感：生成的视频具有真实的深度和透视效果，能模拟真实相机的运动。3D 一致性：在动态相机路径上保持 3D 一致性和时间平滑性，避免闪烁或伪影。支持长视频：能生成长达 1000 帧的视频，适合需要长时间展示的场景。

Stable Virtual Camera的技术原理

基于生成式 AI 的图像转换：Stable Virtual Camera 使用生成式 AI 技术，通过深度学习模型对输入的 2D 图像进行分析和处理。模型能理解图像中的场景结构、物体位置和纹理信息，在此基础上生成新的视角。神经渲染技术：模型基于神经渲染技术，通过模拟真实相机的运动路径，生成具有深度和透视效果的 3D 视频。支持多种动态相机路径，如 360° 旋转、螺旋路径、推拉变焦等，生成高质量的多视角视频。多视图一致性优化：Stable Virtual Camera 在生成视频时，通过优化算法确保视频在不同视角之间的一致性和平滑过渡。在复杂的相机路径下，能保持 3D 场景的稳定性和连贯性。基于扩散模型的生成过程：Stable Virtual Camera 的生成过程类似于扩散模型，通过逐步优化图像的噪声和细节，最终生成高质量的 3D 视频。

Stable Virtual Camera的项目地址

项目官网：https://stable-virtual-camera.github.io/Github仓库：https://github.com/Stability-AI/stable-virtual-cameraHuggingFace模型库：https://huggingface.co/stabilityai/stable-virtual-cameraarXiv技术论文：https://arxiv.org/pdf/2503.14489