本文提出了一种自回归、端到端优化的视频扩散模型，用于生成高质量的视频。同时，提出了可扩展的连续排名概率得分（CRPS）方法，用于评估视频的概率预测能力。该方法在多个数据集上比先前方法有着显著的提高。