Une seule image fixe étirée sur trois minutes bougeait trop lentement pour se lire comme un mouvement. Les images sont désormais réparties pour que chacune ait un mouvement visible, et deux ou plus sont reliées par un fondu enchaîné plutôt que par une coupe franche. Un fondu prend du temps des deux côtés, donc chaque image est rallongée pour que la vidéo dure exactement le temps de sa bande-son.