शोधकर्ताओं ने वीडियो डिफ्यूजन मॉडल में "सीरियलिटी गैप" की पहचान की है, जहाँ बहु-बॉल हार्ड-स्फीयर डायनामिक्स सिमुलेशन के दौरान कारण श्रृंखला लंबी होने के साथ प्रदर्शन खराब हो जाता है। नियंत्रित प्रयोग दिखाते हैं कि यह खराबी वीडियो की लंबाई के बजाय निर्भर घटनाओं की संरचनाओं के कारण होती है, क्योंकि बिना अंतःक्रिया वाले सिंगल-बॉल नियंत्रण में यह गायब हो जाती है।
- बढ़े हुए डीनोइजिंग चरणों के बावजूद मानक द्विदिशीय वीडियो डिफ्यूजन लंबी कारण श्रृंखलाओं के साथ स्केल नहीं करता है।
- प्रभावी सीरियल कंप्यूटेशन बढ़ाने वाले तरीके, जैसे ऑटोरेग्रेसिव जनरेशन और आर्किटेक्चरल गहराई, प्रदर्शन को असमानुपाती रूप से सुधारते हैं।
- अध्ययन सिद्ध करता है कि निर्धारक वीडियो पूर्वानुमान के लिए डीनोइजिंग चरण बैकबोन के परे कोई सीरियल कंप्यूटेशन नहीं जोड़ते हैं।
यह निष्कर्ष उन कार्यों में वीडियो डिफ्यूजन मॉडल का उपयोग करने के लिए एक संरचनात्मक बाधा की ओर इशारा करता है जिनके लिए सीरियल तर्क और सिमुलेशन की आवश्यकता होती है।