本研究提出了一种基于生成式对抗网络的图像拓展方法，能够实现图像内容的多样化，提升视觉质量和多样性。同时，引入基于遮罩的三维扩散模型，确保视频外延的时间连续性，减少抖动。实验结果表明，该方法在视频外延任务中表现优异。