两阶段物理一致性视频生成：Stage-1 从首帧+文本预测运动，Stage-2 在该运动条件下生成视频。
六个仿射参数各自的作用（网格形变 + 箭头）、自由度对比、真实数据上的 GT / 仿射投影 / 残差 / Stage-1 实际预测。
八个场景各一条 clip，每个物体的平移 / 旋转 / 主次轴缩放，以及压缩比。