تصميم نماذج تنبؤ الفيديو التي تأخذ بعين الاعتبار عدم اليقين المتأصّل في المستقبل يُعدّ تحديًا كبيرًا. تعتمد معظم الدراسات المنشورة على شبكات تكرارية ذاتية-انطلاقية صادفة (stochastic image-autoregressive recurrent networks)، مما يثير عدة مشكلات تتعلق بالأداء والقابلية للتطبيق. كبديل، يمكن استخدام نماذج زمنية كاملة البُعد المُخفي (fully latent temporal models)، التي تُفكّك بين تصنيع الإطارات والديناميكيات الزمنية. ومع ذلك، لم يُقترح حتى الآن أي نموذج من هذا القبيل للتنبؤ بالفيديو الصادفية في الأدبيات العلمية، وذلك بسبب الصعوبات المتعلقة بالتصميم والتدريب. في هذا البحث، نتجاوز هذه الصعوبات من خلال تقديم نموذج زمني صادفية مبتكر، يُحكم ديناميكياته في الفضاء المُخفي باستخدام قاعدة تحديث تلافيفية (residual update rule). يستند هذا النموذج من الدرجة الأولى إلى أساليب تجريد المعادلات التفاضلية، ويُمكّن من تمثيل ديناميكيات الفيديو بشكل طبيعي، إذ يسمح لنموذجنا المُخفي البسيط والواضح التفسير بأن يتفوّق على أحدث النماذج السابقة على مجموعات بيانات صعبة.