Lo que hacen estos gifs estereoscópicos es simplemente emular la forma natural con la que percibimos las tres dimensiones. Así, con dos fotos movidas una pequeña posición respecto de la otra (similar a la distancia entre los ojos), al verlas a la vez, nuestro cerebro lo reconstruye y reconoce como tridimensional. Antiguamente se solían poner las imágenes una al lado de la otra, y para percibir la sensación había que ponerse bizco. En estos gifs realmente sólo notamos una pequeña sensación, porque no vemos las imágenes a la vez, una por cada ojo, si no que va cambiando la foto cada poco tiempo. En el 3D del cine, el sistema consiste en enviar a cada ojo la imagen que corresponde al mismo tiempo, con ayuda de unas gafas con una polarización distinta para cada ojo. En la 3DS o en las pantallas autoestereoscópicas (sin gafas) se emplean otras técnicas para hacer llegar la imagen a cada ojo sin necesidad de llevar nada puesto.
Lo sé, nadie me ha pedido que lo explique, y seguro que viene mejor explicado en Internet, pero por algo que he estudiado hasta la saciedad en mi carrera, y por si a alguien le interesaba, ahí lo dejo. :P