Video-Coder zaprzęga kod do wideo. Zamiast pikseli agent najpierw buduje scenę 3D
Generowanie wideo przez modele dyfuzyjne zachwyca warstwą wizualną, jednak próby zmuszenia ich do poprawnego odwzorowania praw fizyki wyłącznie na podstawie pikseli wciąż kończą się deformacjami…