Los investigadores identifican la "brecha de serialidad" en los modelos de difusión de video, donde el rendimiento se degrada a medida que las cadenas causales se alargan durante las simulaciones de dinámica de esferas duras con múltiples bolas. Los experimentos controlados muestran que esta degradación es causada por estructuras de eventos dependientes en lugar de la longitud del video, ya que desaparece en los controles de una sola bola sin interacciones.
- La difusión de video bidireccional estándar no escala con cadenas causales más largas a pesar del aumento de pasos de desruido.
- Los métodos que aumentan el cómputo serial efectivo, como la generación autoregresiva y la profundidad arquitectónica, mejoran el rendimiento de manera desproporcionada.
- El estudio demuestra que los pasos de desruido para la predicción determinista de video no añaden cómputo serial más allá del backbone.
Este hallazgo indica un obstáculo estructural para usar modelos de difusión de video en tareas que requieren razonamiento y simulación serial.