أظهرت نماذج توليد الفيديو على نطاق واسع إمكانات ملحوظة في نمذجة المظهر واقعي الظلال وتفاعلات الإضاءة في المشاهد الحقيقية. ومع ذلك، ما يزال الإطار المغلق الذي يفهم بشكل جماعي الخصائص الداخلية للمنظر (مثل التألق، الاتجاهات، المواد، والإشعاع)، ويستفيد منها في توليد الفيديو، ويدعم تمثيلات داخلية قابلة للتعديل، غير مستكشف بالكامل. نقدّم V-RGBX، أول إطار عمل متكامل من البداية إلى النهاية لتحرير الفيديو المُدرك للخصائص الداخلية. يُوحد V-RGBX ثلاث قدرات رئيسية: (1) استخلاص الفيديو عكسيًا إلى قنوات خصائص داخلية، (2) توليد فيديو واقعي بصريًا من هذه التمثيلات الداخلية، و(3) تحرير الفيديو القائم على الإطارات الرئيسية مع الاعتماد على قنوات الخصائص الداخلية. ويعتمد جوهر V-RGBX على آلية توليد مترابطة تُمكّن من تحرير الفيديو المُوجّه بشكل طبيعي وواقعي من خلال إطارات رئيسية يحددها المستخدم، وتدعم التلاعب المرن بأي نوع من التمثيلات الداخلية. تُظهر النتائج الكمية والكيفية الواسعة أن V-RGBX تُنتج فيديوهات متسقة زمنيًا وواقعية بصريًا، مع نقل تعديلات الإطارات الرئيسية عبر التسلسلات بطريقة واقعية فزيائيًا. ونُظهر فعالية هذا النموذج في تطبيقات متنوعة، بما في ذلك تحرير مظهر الكائنات وإعادة إضاءة المشهد، متفوّقًا على أداء الطرق السابقة.