CAT4D 系统利用扩散模型，将单视角拍摄的视频转换为多视角视图，并将其构建成动态 3D 场景，用户可以从不同角度观看视频中的主体，如同置身其中。IT之家附上演示图如下：

以往，实现类似效果需要多台摄像机同时录制同一场景，而 CAT4D 则简化了这一流程，只需普通视频素材即可，这项技术有望革新游戏开发、电影制作和增强现实等领域。

在训练 AI 过程中，谷歌 DeepMind 团队发现没有太多现有数据，为了解决这个问题，团队混合真实世界的镜头与计算机生成的内容，训练数据包括静态场景的多视图图像、单视角视频和合成 4D 数据，通过扩散模型学习，在特定时刻从特定角度创建图像。

该系统现阶段所生成的 3D 场景，比原始素材要短，但 CAT4D 的成像质量已优于同类系统。CAT4D 技术具有广泛的应用前景。游戏开发者可以利用它创建虚拟环境，电影制作人和 AR 开发者也可以将其融入到工作流程中。