模拟2D素材深度的数字合成技术——运动视差和景深在后期计算。比3D重建便宜但在极端角度明显虚假。
你拥有平面的二维素材——一段旧的录像、素材库的片段，或分辨率较低的数字源——却突然需要景深、视差运动或显著的景深效果。这时 Noto（诺托）流程就派上用场了。它不通过复杂的 3D 建模来重建空间信息，而是通过智能的像素偏移和局部形变。该算法分析原始帧中的边缘、纹理和运动模式，并计算出当摄像机实际在空间中移动时，各个图层会如何移动。结果是：合成视差，而非真实几何。
在片场，这能为你节省真实的制作时间。你拍摄一个静态或微动镜头，后期合成师之后就能营造出摄像机内部运动的视觉效果——轻微的拉远模仿、侧向浮动，或景深模拟。这仅需完整 3D 重建成本的一小部分。对于中等程度的效果（浅景深、轻微的摄像机视差百分之几），素材看起来相当干净。只有在更极端的角度，或当物体相互遮挡时，你才会识别出该流程——这时它会变得不自然，因为算法没有真实的几何信息，无法“正确”解决遮挡问题。
实际操作是这样的：在剪辑或合成软件中加载素材，粗略标记“深度层”（前景、中景、背景）——手动或通过自动分割——然后流程会计算位移向量。现代实现利用机器学习来更智能地识别边缘。这比点跟踪或手动抠像（roto-scope）工作为你节省了大量时间。一个很好的用例：在现代制作中，使用旧的档案素材，你需要微妙地增加空间动态，而无需重新拍摄场景。
其局限性在于真实物体几何变得可见的地方：如果一个人改变手臂的位置，该流程无法“理解”——它只看到像素偏移。极端的摄像机变焦或快速的平移会导致边缘和精细细节出现伪影。对于一个持续 5-10 秒、最多需要 10-15°“虚拟摄像机运动”的镜头，Noto 是可靠的。之后：最好采用真实的 3D 重建，甚至重新拍摄。