最近的研究提出了TRIP，一种用于图像到视频生成的扩散模型。TRIP通过图像噪声先验和时间残差学习，解决了时间一致性问题。它采用双路径：捷径路径增强帧对齐，残差路径简化帧间关系。实验显示，TRIP在多个数据集上提升了生成质量。