Para peneliti mengidentifikasi "kesenjangan serialitas" dalam model difusi video, di mana kinerja menurun seiring dengan memanjangnya rantai kausal selama simulasi dinamika bola keras multi-bola. Eksperimen terkontrol menunjukkan bahwa penurunan ini disebabkan oleh struktur peristiwa dependen daripada panjang video, karena hal ini hilang dalam kontrol bola tunggal tanpa interaksi.
- Difusi video bidireksional standar gagal diskalakan dengan rantai kausal yang lebih panjang meskipun peningkatan langkah denoising.
- Metode yang meningkatkan komputasi serial efektif, seperti generasi autoregresif dan kedalaman arsitektur, secara tidak proporsional meningkatkan kinerja.
- Studi ini membuktikan bahwa langkah denoising prediksi video deterministik tidak menambahkan komputasi serial di luar backbone.
Temuan ini menunjukkan hambatan struktural untuk menggunakan model difusi video pada tugas yang memerlukan penalaran serial dan simulasi.