浙大夥微軟推World-R1 純強化學習解影片生成穿幫

鏡頭一動就穿幫

現時的視頻生成模型畫面精美，卻有個致命傷：不懂三維。鏡頭一轉彎，建築就扭曲；推進看近景，物體便消失，穿幫現象長期困擾業界與用戶。

本質上，這些模型只是在二維像素層面做統計擬合，並不真正理解眼前的世界是一個三維空間，因而缺乏對場景幾何與深度關係的內在感知能力。