Статья посвящена длинной агентной генерации видео: система должна превратить сценарий в набор шотов (отдельных кадров или планов), которые остаются согласованными в пространстве и во времени, даже если запросы на них идут не подряд. Авторы отмечают, что простая передача промптов или последних кадров от шота к шоту не даёт ни общей пространственной системы отсчёта, чтобы вернуться в ту же сцену, ни индексированной по времени записи, чтобы повторить более раннее событие. Для этого предложен фреймворк Any Time, Any Space (ATAS)...