RERENDERIZAR UM VÍDEO é uma nova estrutura de tradução vídeo-para-vídeo guiada por texto zero-shot, projetada para aplicar modelos de imagem ao domínio de vídeo. A estrutura compreende duas partes: tradução de keyframes e tradução de vídeo completo. A primeira parte utiliza um modelo de difusão adaptável para gerar keyframes, aplicando restrições inter-frames hierárquicas para garantir consistência de forma, textura e cor. A segunda parte propaga os keyframes para outros frames através do casamento de patches sensível ao tempo e mistura de frames. Nossa estrutura alcança a consistência temporal de estilo global e textura local a baixo custo (sem necessidade de re-treinamento ou otimização). Essa adaptabilidade é compatível com as tecnologias de difusão de imagem existentes, permitindo que nossa estrutura as aproveite, como usar LoRA para personalizar temas específicos e usar ControlNet para introduzir orientação espacial adicional. Numerosos experimentos demonstram a eficácia da nossa estrutura proposta na renderização de vídeos de alta qualidade e consistência temporal.