Las comillas las has usado correctamente, porque a pesar de que sí es algo simple, no lo es tanto como podría imaginar alguien que nunca ha intentado hacer algo así.
Por ejemplo:
La parte que queda detrás de los pivotes u otros elementos cercanos, quedará visible al hacer travelling con la cámara, así que, es necesario retocar la imagen real (ejemplo: usando técnicas de clonado), para crear de la nada esa zona que en la fotografía real quedaba oculta.
También hay que crear una capa de reflexión para el suelo (estrictamente para el suelo) que recre una reflexión coherente con la posición de la cámara y evite que la textura se deforme (como se aprecia en las fases iniciales donde solo hay mapeo de textura).
Y además la fotografía debe tener buena resolución (mucho más que el vídeo final), porque de lo contrario al mirar a la fachada en el interior de la calle en el punto final del travelling, no habría suficientes píxeles y la repetición en horizontal sería espantosa.
Bueno esas son algunas cosas (aparte del tiempo que lleva hacer lo que muestra) que no aparecen en el break down, que puede dar la ilusión de excesiva sencillez, pero no olvidemos que también cuando un experto en ZBrush hace un timelapse de esculpido, al verlo parece todo muy sencillo y en realidad no lo es ni de lejos.