随手拍一段视频，AI 就能还原出一个可以 360°旋转视角的数字人？这不是科幻片，已经有研究团队做出来了。
 
（信源：科技日报，2026年8月）
 
我们平时拍视频，最大的遗憾不是画质不够，而是视角太单一，孩子第一次走路只能看到正面，朋友登台表演只能记录一个方向，连自家宠物突然做出搞笑动作，也很难把它完整留下来，镜头没拍到的地方，就像从记忆里被剪掉了一块。
 
4DAnyone的思路，说白了就是让AI替你补上那些没拍到的角度，它先从普通单目视频里估计人物的三维骨架，再生成多组视角一致的视频，最后把这些内容转换成4D高斯泼溅模型，人物不只会动，还能随着观察者的视线转身。
 
这里的关键不是把某一张图做得多漂亮，而是让几十个角度看起来像同一个人。
 
过去的多视角生成经常出现正面穿红衣，转到侧面突然变蓝，左手和右手对不上，脸型也会悄悄变化，单张看着还行，连起来就像换了演员。
 
研究团队专门设计了RCP和TCR两个机制，前者把已经生成的视角压缩成一份稳定记忆，后者让不同视角在生成早期反复交换信息，先把身材轮廓和动作关系统一，再去补衣服纹理和面部细节，这个顺序很像盖房子，地基没歪，装修才有意义。
 
我觉得这项工作的价值，不在于又多了一个炫技演示，而在于它把数字人的入口往普通人身边挪了一大步。
 
过去做动态人体重建，往往要专业摄影棚和多机位阵列，设备昂贵，流程复杂，普通创作者连试错的机会都没有。
 
以后拍家庭影像，可能不只是保存一段二维视频，而是保存一个可以重新观看的空间记忆，孩子长大后还能从不同角度看自己第一次走路的样子，这种体验和翻相册完全不是一回事。
 
当然也可能有人觉得背后发凉，毕竟记忆一旦变成立体数据，就更值得长期保存和保护。
 
电商行业也会被它吸引，一件衣服只拍一段上身视频，消费者就能从侧面和背面查看版型，模特不必反复补拍，商家少搭一次棚，设计师也能更快确认效果，内容生产的成本会往下走，普通小商家反而可能先吃到这波红利。
 
游戏和影视制作同样如此，过去为了得到一个能自由转动的数字角色，需要大量机位、灯光标定和后期处理，现在单目视频提供了更轻量的起点，虽然离工业级成片还有距离，但从不能做，到能做出可用雏形，这一步已经很关键。
 
更值得注意的是，它没有把深度图当成唯一依赖，而是选择用3D骨架提供结构约束。
 
因为手持手机拍摄时，光线、遮挡和镜头移动都会影响深度估计，骨架虽然不够细，却更稳，先保证人站得住、动得对，再让模型处理衣服和皮肤，路线相当务实。
 
手机拍完就得到完美数字人，目前还没那么轻松，宽松飘动的裙摆、快速转身、复杂遮挡和少见动作，都会让模型犯难。
 
尤其是背面本来就没有真实画面，AI生成的部分，本质上是基于训练经验做出的合理推测，不能当成百分之百的原始记录。
 
我更关心的是边界怎么画，未经同意拿别人的视频制作可操控数字人，可能侵犯肖像和隐私，把普通人的生活影像随便上传，也有数据泄露风险，技术越方便，授权、标注和追责就越不能含糊，开源值得鼓励，但使用规则也要跟上。
 
4DAnyone给出的信号很明确，AI正在从生成一张图、写一段话，走向重建一个可以被观察、被编辑、被交互的动态世界，这会改变短视频、电商、文旅、教育和影视的制作方式。
 
我的判断是，真正的变化不会发生在发布当天，而会发生在越来越多人把它装进日常工作之后。
 
一段普通视频，过去只能回放，现在有机会变成一个可旋转、可研究、可再次创作的数字对象，这不是把现实变魔术，而是让现实多了一种保存方式，至于这扇门最后通向创作自由，还是通向新的隐私考验，答案取决于我们怎么使用它。