本文第一作者罗亚文，香港中文大学 MMLab 博士一年级在读，研究方向为视频生成，导师为薛天帆教授。个人主页： https://luo0207.github.io/yawenluo/ 作为视频创作者，你是否曾梦想复刻《盗梦空间》里颠覆物理的旋转镜头，或是重现《泰坦尼克号》船头经典的追踪运镜？ 在 AI 视频生成中，这些依赖精确相机运动的创意，实现起来却往往异常困难。 一个直接的想法是先用相机位姿估计模型从参考视频中提取相机参数，然后使用相机参数作为控制条件引导视频生成过程。 然而，这条看似容易的路径，实则充满了陷阱：现实场景中的动态物体和复杂遮挡关系，常常导致模型估算出的相机参数出现偏差或错误，让生成的运镜效果与 预期大相径庭。 为了解决这一痛点， 香港中文大学与快手可灵团队联合提出了一种全新的运镜可控的视频生成框架 CamCloneMaster 。它引入了一种「参考即用」的新范式，用 户只需提供一段参考视频，模型就能直接「克隆」其相机运动并应用于新内容，从根本上告别了对相机参数的依赖。 该工作被计算机图形学顶级会议 SIGGRAPH Asia 2025 接收，其训练、测试代码和高质量渲染数据集 CamClo ...