本研究提出了一种新方法，通过建模图像序列的数据转移动态，显著提高了后验采样的效率。研究结果表明，该方法在保持性能的同时，实现推断速度提升25倍，并在严重运动情况下提高了PSNR达8%。

该研究旨在发现和定位图像序列中的单调时间变化，并成功通过对乱序图像序列进行排序，利用时间作为监督信号实现了该目标。该模型在多种视频场景和对象类型中应用，并证明了基于注意力的归因图作为有效的提示用于分割变化区域。该模型在对图像集进行排序的标准基准上达到了业界最高水平。

该研究使用PAg-NeRF系统训练图像序列，输出场景几何结构、照片逼真渲染和一致的3D全景表示。在园艺场景中评估，峰值信噪比提高，全景质量提高，参数少。