在Deforum的三种运动模式中，2D模式只能做平面的平移缩放，伪3D模式则通过透视变换模拟空间感，而真正的3D模式才是运动表现力的天花板。它依赖深度估计模型把每一帧图像转换成深度图，从而理解画面中物体的前后关系，再让虚拟相机在这个伪三维空间里自由飞行。掌握3D模式，你的AI视频才真正具备电影运镜的基础。
3D模式的工作原理：深度图如何构建伪三维空间
Deforum 3D模式的核心链路是：先生成一帧图像，再用深度估计模型（常用的是Midas或AdaBins，新版本也支持ZoeDepth和Depth Anything）为这帧图像计算每个像素的深度值，形成一张灰度深度图。深度图中越亮的部分代表离相机越近，越暗的部分代表越远。有了这张图，Deforum就能把原本扁平的图像拉伸出一个粗糙的立体结构。
接下来，当相机参数发生变化时，比如向前推进或者向右平移，Deforum会根据深度图对图像进行重投影。近处的像素移动幅度大，远处的像素移动幅度小，从而产生真实的空间视差效果。这就是为什么3D模式下做一个简单的缩放，看起来也比2D模式自然得多：它不是简单的等比放大，而是模拟了镜头在空间中真实移动时近大远小的透视变化。
重投影之后，新的视角下必然存在没有被原画面覆盖的区域，也就是所谓的空洞。Deforum的解决方式有两种：一是对空洞区域做 inpainting 补绘，二是结合噪声调度让下一帧在空洞处重新生成内容。理解了这一点，你就明白为什么3D模式对计算资源要求更高，也为什么深度图的准确性直接决定了画面的稳定性。
深度模型选择与关键参数调优
深度模型的选择对最终效果影响很大。Midas速度较快，但生成的深度图边缘偏糊，适合抽象风格或景深本就模糊的画面；AdaBins精度更高，对建筑、机械等结构感强的主体表现更好；ZoeDepth在室外大场景上细节保留更完整。如果你的画面主体是人像，建议优先测试AdaBins或Depth Anything，人脸边缘的深度跳变处理得更干净。
在WebUI的Deforum面板中，有几个参数值得重点关注。midas_weight控制深度信息的权重，默认值为1，如果画面出现明显的扭曲或形变，可以降到0.6左右，代价是空间视差感减弱；use_depth_warp自然是总开关。fov（Field of View）参数相当于镜头焦距，数值越小视野越广，广角下的相机飞行会带来更强烈的透视冲击，但也更容易在画面边缘产生拉伸撕裂。
另一个容易被忽视的是padding_mode（边界填充模式），当相机移动导致画面边缘超出重投影范围时，系统需要填充边缘。reflection（镜像填充）通常比zeros（黑边）效果好，但镜像内容可能在后续帧被扩散模型放大成怪异的结构。遇到画面边缘持续出现伪影时，优先检查这个参数，或者干脆减小相机每帧的移动幅度。
# Deforum 关键帧伪代码示意：相机飞行路径的数学表达 # translation 表示相机在XYZ轴上的每帧位移 translation_x = "0: 0, 60: sin(t)*30, 120: 0" # 前60帧左右摆动 translation_z = "0: (0), 120: (8)" # 匀速向前推进，每帧8个单位 rotation_3d_x = "0: 0, 120: (0.3)" # 缓慢的俯仰角变化
数值方面，translation的常用范围在每帧负20到正20之间，超过这个范围画面内容会来不及重绘，出现拖影。rotation系列参数以弧度为单位，0.05左右每帧就能产生明显的旋转感，切勿照搬2D模式的rotation数值，那在3D模式下相当于疯狂甩镜头。
相机飞行路径设计：让运镜有叙事感
相机飞行不是参数堆得越复杂越好，好的运镜应该服务于画面叙事。最常见的三种基础路径是推进（dolly in）、环绕（orbit）和平移跟随（tracking）。推进适合开场或强调主体，translation_z设为正的每帧递增即可；环绕则是x和z按正弦曲线配合，同时加一点rotation_y，模拟镜头绕主体旋转；平移跟随适合表现行进感，x或y做线性变化，速度保持匀速。
设计路径时建议用关键帧语法分段控制。比如前60帧做缓慢推进建立场景，60到120帧切换为环绕展示主体细节，最后30帧拉远收尾。每个阶段之间用缓动函数（Deforum支持在括号内写表达式）平滑过渡，避免镜头突然变速带来的割裂感。一个实用技巧是先把运动幅度设到很小，跑一遍低帧数的快速预览，确认节奏没问题后再放大幅度精修。
进阶玩法是让运动路径与提示词调度联动。在translation_z推进的同时，prompt里从远景描述逐渐过渡到主体特写，比如从a vast mountain landscape过渡到close-up of an ancient temple door，画面内容和镜头运动同步聚焦，叙事效率会高很多。反之，如果镜头推进了但提示词还在描述远景，扩散模型会因为语义与构图不匹配而频繁重绘，导致主体漂移和闪烁。
常见问题排查：扭曲、撕裂与主体漂移
画面持续扭曲变形，多数情况是深度图质量不佳叠加运动幅度过大。先用单帧测试深度估计效果，如果深度图本身就有明显错误，换模型或调整输入图像风格。画面边缘撕裂拉伸，则是相机移出了重投影的安全范围，减小每帧位移、扩大fov或者开启更强的inpainting补绘都能缓解。
主体漂移是3D模式最顽固的问题，本质是每帧重绘时扩散模型对主体形态的记忆不足。对策包括：提高strength_schedule下限让每帧保留更多前帧信息（建议不低于0.45）、使用ControlNet的深度或边缘引导锁定构图、以及在提示词中用更具体稳定的描述固定主体特征。如果条件允许，把CFG值控制在6到8之间，过高会加剧画面振荡。
最后提醒一句，3D模式的调参非常依赖具体素材，别人的参数只能当起点。建议每次只改一个变量，用低分辨率短帧数快速迭代，把深度图、运动路径、重绘强度这三层逻辑分开验证，问题定位会快得多。当你能把一个30秒的环绕推进镜头做到全程主体稳定时，就说明你真正吃透了Deforum 3D模式的深度感知机制。
Deforum 3D模式深度感知相机飞行修改时间：2026-09-04 22:20:07