已收录文章摘要，完整内容可前往原文阅读。
图像编辑现在已经很成熟了。你给扩散模型一张照片，说一句"把这只大象改成蓝色""换个背景""把桌上的杯子去掉"，它多半能干得干净利落。可一旦对象换成视频，麻烦立刻就来了。最省事的想法是：一帧一帧地用图像