开源生成式AI初创公司Stability AI（以Stable Diffusion闻名）今日宣布推出最新三维视频模型Stable Video 4D。该模型可将单角度拍摄的物体视频，重新生成为八个不同视角的多角度视图，实现从不同角度对物体运动与外观的完整重构。
Stable Video 4D基于今年11月发布的Stable Video Diffusion构建。官方声明指出：“该模型标志着我们从静态图像视频生成向完整三维动态视频合成的能力飞跃。”此前，该公司曾于3月推出Stable Video 3D，支持通过单张图像生成物体旋转视频；而新版4D模型在此基础上进一步增强，不仅能推断不可见部分以生成额外视角，还能理解物体结构并重现隐藏的运动细节。
40秒生成八视角视频，优化仅需20分钟
据研究团队介绍，Stable Video 4D可在约40秒内生成八个视角下各五帧的视频，整体优化过程耗时约20至25分钟。团队采用针对多视角扩散的新方法，确保生成内容忠实于原始素材，并在帧间及跨视角间保持三维一致性。
尽管目前仍处于研究阶段，Stability AI表示，Stable Video 4D有望为电影制作、AR/VR、游戏及其他依赖动态物体多视角呈现的行业带来重要创新。