Stable Video 4D (SV4D) est un modèle génératif basé sur Stable Video Diffusion (SVD) et Stable Video 3D (SV3D). Il prend en entrée une vidéo d'un seul point de vue et génère plusieurs nouvelles vidéos de ce même objet sous différents angles (matrice d'images 4D). Le modèle est entraîné pour générer 40 images (5 images vidéo x 8 angles de caméra) à une résolution de 576x576, à partir de 5 images de référence de même taille. L'exécution se fait en générant d'abord une vidéo orbitale avec SV3D, puis en utilisant cette vidéo orbitale comme vue de référence pour SV4D, et la vidéo d'entrée comme images de référence pour l'échantillonnage 4D. Le modèle génère également des vidéos plus longues en utilisant la première image générée comme ancre et en effectuant un échantillonnage dense (interpolation) des images restantes.