Проясняю кое-что здесь - это вообще не работает как модель генерации видео. То, что происходит, намного круче: создается фактическое 3D-пространственное представление. Вся установка? Четыре отдельные генерации, работающие независимо. У вас есть спальня, складское помещение, жилая зона и соединяющий коридор. Вот в чем фишка - каждая из этих сцен возникла всего из одного изображения. Один вход, полный вывод сцены. Довольно дико, как технология восстанавливает пространственную глубину из статических кадров.