本文介绍了一种基于卷积模型的视频生成方法，通过逐步增加时间分辨率生成潜在视频表示，并在空时领域中解码。该方法在多个基准数据集上表现出稳定性和多样性，适用于3D动画制作，并提出了新的生成框架和技术，提升了图像到视频转换的效果。