字节跳动的Boximator，含义是Box+Animator，引入了硬框、软框两种约束类型，确定运动对象在视频未来帧中的位置、形状或运动路径，通过辅助插件的形式，帮助用户在视频合成中创建丰富、可控的运动和动态。

DiT扩散模型，出自谢赛宁与Sora研发之一威廉·皮波尔斯合著的一篇论文《Scalable diffusion models with transformers》，它不仅将 Transformer 成功应用到了扩散模型上，还深入探究了transformer架构在扩散模型上的scalability能力。