^ 你原来的提示词方向没错，但它还在用“二维画面挪机位”...

。^ 你原来的提示词方向没错，但它还在用“二维画面挪机位”的语言命令模型，所以模型很容易继续沿用原构图，或者把石凳、跑道重新乱摆。真正要强调的不是“换到凳子后面”，而是：先把参考图当成一个真实三维场地重建，再在这个场地中重新架设摄影机。原图只决定场景资产与空间关系，不决定新画面的镜头位置。