单张照片转成环绕运镜视频 小米WorldCast视觉生成框架完成端侧落地
要点
11月4日，小米技术官方公布自主研发的视觉生成框架WorldCast，并披露该技术已在10月27日发布的REDMI K100手机上实现端侧部署。用户在相册中选一张静态照片，AI即可生成一段大角度3D运镜视频：镜头可以环绕、推拉、倾斜，而画面中人物的五官、发型、衣着始终保持一致。…
11月4日，小米技术官方公布自主研发的视觉生成框架WorldCast，并披露该技术已在10月27日发布的REDMI K100手机上实现端侧部署。用户在相册中选一张静态照片，AI即可生成一段大角度3D运镜视频：镜头可以环绕、推拉、倾斜，而画面中人物的五官、发型、衣着始终保持一致。此前，这类环绕运镜在影视行业需要摇臂、轨道与稳定器的配合，如今被压缩进手机的一次点击。
据重庆日报报道，REDMI于10月26日至27日举办新品发布会推出K100，该机搭载5000万像素1/1.55英寸大底主摄，K系列标准版首次配备AI独显芯片，影像能力是本代升级重点之一。3D运镜并非孤立功能，它与一键动图、希区柯克变焦、延时摄影共同构成K100的AI影像玩法矩阵。
从公开技术资料看，WorldCast要解决的是两个相互耦合的难题：一是复杂运镜轨迹的精准跟随，旋转、平移、半径变化叠加任意起始方位，几何条件稍有不准就会转不到位；二是身份漂移，视角一大，初始照片里没拍到的侧脸、后背被逐步揭开，生成模型很容易越转越”换人”。框架的解法分三层：先用深度估计把二维照片升维成三维点云、沿目标轨迹渲染引导图并输出覆盖掩码；再以几何对齐的记忆注意力机制（GAMA）把多视角锚点图对齐到同一坐标系，镜头转到哪一面就调取哪一面的证据；最后以8万条样本的角色中心数据集和覆盖42个场景、6类轨迹的评测基准CLACT托底。值得注意的是，这项成果并非企业单打独斗——论文由武汉大学电子信息学院与小米MiLM Plus团队联合完成并公开发表。
基准成绩给出了方法取舍的答案。在CLACT基准上与13个方法同台竞技，WorldCast拿下全部相机控制与角色一致性指标第一：平均轨迹误差从此前最优的0.098降至0.065，身份相似度较次优方案提升约28%，画面质量保持在0.719的第一梯队。论文消融实验还显示，移除记忆注意力模块后身份相似度会从0.555跌至0.370——这说明”身份靠几何查询而非模型猜测”的机制设计是成绩的主要来源，而非泛泛的算力堆叠。
把这件事放进行业坐标系，其意图更清晰。据新华财经报道，国家网信办7月已公布7款手机端侧生成式AI服务备案信息，业内视之为端侧AI从硬件参数比拼转向能力比拼的标志；研究机构预测支持生成式AI的机型2026年将占全球智能手机出货量的45%，端侧AI市场规模预计从2025年的3219亿元跃升至2029年的1.22万亿元。不过AI能力普遍面临”看不见、用不上”的感知难题，影像恰恰是用户最能直接看见的那一类——把可控视觉生成做成一键出片的玩法，本质是给端侧AI找一个可被分享的载体。小米官方也表示，WorldCast沉淀了方法、数据集与评测方式，后续将探索更复杂运镜、更长连续生成与可控4D视频。
但数据的另一面同样值得记录。据澎湃新闻援引的用户调查，超过70%的用户购买AI手机半年后就关闭了大部分AI功能，AI功能尝鲜率虽高、日常高频使用率却不足三成；同时AI影像正在告别免费，有厂商的大模型影像功能已转向积分付费制。中国经济时报报道的行业分析也提示，国内手机市场仍是存量博弈，AI是差异化筹码却难以独立创造换机需求。WorldCast目前披露的成绩来自自建基准，官方亦坦承从论文框架到用户功能之间还隔着算法蒸馏加速、端云协同部署等论文之外的工程功夫——实拍照片在复杂背景下转到大角度时表现如何，仍要交还给真实用户检验。端侧3D运镜从演示走向量产，这一步已经迈出；它能否破解AI功能”开了就关”的留存难题，才是下一步真正值得盯住的指标。
