本研究回顾了视频生成中的运动一致性、计算效率和伦理问题，提出了系统分类法，并探讨了扩散视频生成与相关领域的协同作用，为研究者和实践者提供了深入见解。

Meta推出的VideoJAM框架显著提升了运动一致性近20%，能够生成复杂的舞蹈和杂技等动态场景，效果接近真实。该框架在训练和推理阶段优化了DiT模型，采用联合外观-运动表示和内部引导机制，确保生成视频的运动连贯性。