VideoJAM es un innovador marco de generación de vídeo que mejora la coherencia del movimiento y la calidad visual de los modelos de generación de vídeo mediante una representación conjunta de apariencia y movimiento. Esta tecnología introduce un mecanismo de guía interna (Inner-Guidance) que utiliza las señales de movimiento predichas por el propio modelo para guiar dinámicamente la generación de vídeo, ofreciendo un excelente rendimiento en la generación de movimientos complejos. La principal ventaja de VideoJAM es su capacidad para mejorar significativamente la coherencia de la generación de vídeo, manteniendo al mismo tiempo una alta calidad visual. Además, se puede aplicar a cualquier modelo de generación de vídeo sin necesidad de modificaciones a gran escala en los datos de entrenamiento o la arquitectura del modelo. Esta tecnología tiene un importante potencial de aplicación en el campo de la generación de vídeo, especialmente en escenarios que requieren una alta coherencia de movimiento.