Google在去年12月的时候，在Google相册中加入电影照片（Cinematic Photo）功能，而Google现在对外披露该功能背后的原理。电影照片是一种为了要重现照片拍摄当下的沉浸感，通过模拟相机的运动，还有图像中视差，所产生的动态照片。
由于电影照片需要深度图，许多较新的手机摄影功能，都能够通过同时捕捉不同视点的多张照片，来解决深度问题，但为了让现存的照片，也能呈现电影照片的效果，因此不能够从多视角立体方法取得深度信息，因此Google训练了具有编码器和解码器的卷积神经网络，只从单一张RGB图像，就能预测深度图，该神经网络会通过物体的相对大小、线性透视或是错焦模糊，使用单反线索（Monocular Cues）来估测深度。
不过Google却无法使用现成的资料集来训练这个神经网络，Google解释，单反深度估计资料集通常用于AR、机器人和自动驾驶等领域，因此这些资料集大多为街道和室内场景，缺少休闲摄影常出现的人、宠物和物体等物体，于是Google自己创建了两个人信息料集，一个是由5台相机所拍摄的照片资料集，以及手机Pixel 4所拍摄的肖像照资料集。借由混合资料集，使得模型更适应各种场景和相机硬件，提高对野外照片的预测能力。
但因为这样，也带来了另外一个挑战，不同资料集的深度信息，可能经过缩放和位移，无法放在一起比较，而Google使用相对深度来解决这个问题，使得产生电影照片的计算，不需要使用绝对深度。
Google提到，电影照片效果在人物的边界处特别难处理，因为深度图错误会使得最终渲染产生伪影，为了减少这样的问题，Google使用边缘侦测常用的降噪技术中值滤波器进行处理，并使用DeepLab分隔模型计算照片中人物的遮罩，找出被错误预测为背景的像素。
要创建电影照片，另一个要解决的大问题便是摄影机的运镜路径，Google需要找出虚拟摄影机的最佳定轴点，才能产生最好的效果。重建图像的3D场景第一步，就是要将RGB图像拉伸到深度图上创建网格，但是网格中的相邻点，可能存在较大的深度差，虽然在正面视图不太看得出来，但是当虚拟摄影机移动幅度较大时，就可以看到跨越较大深度变化的多边形，像是贴图被拉扯一样。
而且用户的照片千百种，不可能在所有电影照片都使用同样的摄影机轨迹，因此Google定义了一个损失函数，捕捉在最终动画里可被看到的延展程度，对每张照片优化相机参数，也就是说，相机路径优化的目标，就是要替摄影机选择一条会产生最少伪影的路径。
Google使用人体姿势网络产生分割遮罩，将每张人像照分为3个不同的区域，头、身体和背景，每个区域有不同的权重，用来调整各区块伪影可忍受的程度，像是伪影出现在背景区域，就比出现在人物旁还要好，借此找出每张照片最佳的摄影机路径，产生效果良好的电影照片。