Pesquisadores identificam a "lacuna de serialidade" em modelos de difusão de vídeo, onde o desempenho se degrada à medida que as cadeias causais se alongam durante simulações de dinâmica de esferas rígidas com múltiplas bolas. Experimentos controlados mostram que essa degradação é causada por estruturas de eventos dependentes e não pelo comprimento do vídeo, pois desaparece nos controles de uma única bola sem interações.
- A difusão de vídeo bidirecional padrão não escala com cadeias causais mais longas apesar do aumento das etapas de desruído.
- Métodos que aumentam o cálculo serial efetivo, como geração autoregressiva e profundidade arquitetural, melhoram o desempenho desproporcionalmente.
- O estudo prova que as etapas de desruído para previsão determinística de vídeo não adicionam cálculo serial além do backbone.
Esta descoberta indica um obstáculo estrutural para o uso de modelos de difusão de vídeo em tarefas que exigem raciocínio e simulação serial.