3月21日，Stability AI推出了全新的Stable Video 3D模型，此模型能夠?qū)崿F(xiàn)由單幅照片構(gòu)建多視角3D視頻。

SV3D_u是Stable Video 3D的一個版本，僅需單幅圖片即可生成運動軌跡視頻，無須進行相機調(diào)整。擴充版本的SV3D_p加入了軌道視圖的特性，使其可以根據(jù)預設的相機路徑創(chuàng)建3D視頻。

與初始的Stable Zero123模型或者開源的Zero123-XL相比，Stable Video 3D具有更高的品質(zhì)，實現(xiàn)更具豐富視圖以及更強泛化能力的效果，能更加真實地展示出輸入圖片的完整三維形態(tài)。

Stability AI解釋說，這種顯著的提升得益于它的基礎模型——Stable Video Diffusion。此外，Stable Video 3D還增加了相機路徑調(diào)整功能，可以制作包圍物體的各種軌道。

Stable Video 3D運用了多視角一致性的原則優(yōu)化了3D NeRF和網(wǎng)格顯示方式，這有助于提升直接從新視角生成的3D網(wǎng)格質(zhì)量。

為了達到這個目的，Stability AI發(fā)明了一種名為“掩碼分數(shù)蒸餾采樣損失”的特殊技術(shù)，用以增強3D預測精度。同時，他們還改良了解混光源，降低了因光線造成的干擾，進一步優(yōu)化了陰影表現(xiàn)。

Stability AI宣布，Stable Video 3D已經(jīng)可以商業(yè)使用，只需支付相關(guān)費用成為其Stability AI會員（每月只需20美元）。如果是非商業(yè)需求，還可以在Hugging Face平臺上免費下載模型權(quán)重。