自 Sora 亮相以来，AI 视频的真实感突飞猛进，但可控性仍是瓶颈：模型像才华横溢却随性的摄影师，难以精准执行 “导演指令”。我们能否让 AI 做到：
- 仅凭一张静态照片，就能 “脑补” 出整个 3D 空间，生成一段围绕主体的 360° 环绕视频？
- 现有的视频能否进行重新运镜，实现推、拉、摇、移等复杂的电影级镜头调度？
这些需求在影视制作、游戏开发、虚拟现实等领域至关重要，但实现起来却困难重重。现有的技术路线往往顾此失彼：要么通过微调（Fine-tuning）模型来实现，但所需算力昂贵，且易损害模型内在的 “世界知识”，导致生成质量下降；要么采用“扭曲 - 重绘”（Warp-and-Repaint）的策略，但引导信号带有的噪点和伪影，往往会误导模型，造成几何结构错乱和细节失真。
有没有第三条路？一条既能实现精准控制，又不牺牲生成质量，还无需重新训练的优雅路径？
西湖大学 AGI 实验室的研究团队给出了他们的答案。他们提出了名为WorldForge的全新框架，以一种 “即插即用” 的推理时引导方式，在不改动任何权重的前提下，为视频扩散模型装上了一个 “导演大脑”，成功实现了单图到 360° 世界生成和电影级视频轨迹重运镜。
