Ответ:

Вариант 4 — нейросеть генерирует последовательность кадров, стараясь согласовать их между собой во времени. Поэтому объекты и сцена выглядят непрерывно, а не как набор независимых изображений или склеенных фрагментов.

Ответ: строит всю последовательность кадров сразу, согласуя их между собой.