该技能用于从扁平化视频中提取物体可见的运动。picsart_media_track_motion 恢复物体在每一帧上的位置、旋转和缩放，并拟合为场景关键帧。它不恢复作者编写的原始关键帧，而是产生能重现屏幕画面的新运动数据。
观测决定跟踪什么。跟踪器逐帧测量位置，精确到亚像素级。不要凭静帧或记忆编写运动数值，所有时间与距离都应来自跟踪结果。
工具默认返回任务回执。应先按 picsart-video-rules 的说明跟随回执，并在跟随任何步骤前先启动该步骤所需的跟踪任务。是否消耗积分以工具描述为准；若消耗，按 picsart-video-rules 的规定视为一次支出。picsart_media_track_motion_diff 同理。
方法步骤如下：
- 用 picsart_media_video_stills 查看窗口首帧，选定跟踪目标。在扁平背景上可用 {"auto": true, "max": 9} 找出 t0 时刻的独立物体并分别跟踪，按运动量排序；重叠物体会合并为一个，此时应为每个物体单独提供包围盒。
- 调用 picsart_media_track_motion，传入视频源、以视频秒计的窗口 t0/t1 以及 targets：每个目标可用 bbox（t0 时刻视频像素中的 [x, y, w, h]）、points 或 auto。根据源设置 tolerance。
- 信任结果前先阅读：每个目标返回 animations（拟合关键帧或 Lua 表达式）、static（未运动的通道）、meta（各通道 maxError）以及削弱跟踪的 notes。maxError 是诚实的重建误差；误差大说明是近似，应如实说明。
- 以 timeMode: "layer" 的关键帧形式放置到图层。
- 校验：导出同一窗口的渲染，用相同目标跟踪，再用 picsart_media_track_motion_diff 对比两者。
容差按通道与单位分别设置：tolerance 是像素位置，toleranceScale 是比例（默认 0.01），toleranceRotation 是角度（默认 0.5）。不要将像素容差复用于缩放：曾出现 1.5“像素”把 57% 的缩小判定为静止。压缩参考视频约用 1.5（测量精度约 0.5–2 像素），自有渲染用 0.5 或更小。压缩源上容差过紧，关键帧会追逐编码噪声。
选择目标时：从物体实体开始；淡入期间特征弱，跟踪会在首帧失败并冻结，应等完全不透明再设 t0。包围盒要紧贴物体表面；倾斜卡片堆叠上过大的盒子会混入相邻物体运动。仅对不透明物体测旋转和缩放；半透明物体会与背后运动混合，测得的姿态会漂移，幽灵、景深淡出卡片和半透明装饰只能得到近似运动，应说明。盒子内有视频播放时，特征会跟随内容而非盒子，应设 "estimator": "segmentation" 跟踪轮廓；其中心偏向亮部内容，改跟踪同组中静止元素更精确。旋转物体用包围盒，不要用点；点只跟踪平移，原地旋转的角点在 30° 时约有 4 像素误差，相似变换模式下的包围盒可补偿。窗口应在物体被遮挡前结束；滑到某物后面时置信度下降、姿态冻结，应缩短 t1 重跟踪，不要保留冻结尾巴。物体从画面外进入时，被边缘裁剪期间中心和缩放有偏差，应等完全入画再开始。窗口要裁剪，不要手工裁剪关键帧；在冻结样本上拟合会在尾部产生假关键帧，应改用更早的 t1 重跟踪。
内容与模式对应：有纹理（照片、带文字的 UI 卡片）用相似变换+特征；扁平/纯色或盒内有视频用相似变换+分割；透视拉伸用角点+特征；只关心位置可用中心+任一模式。
解读结果：位置是物体中心，单位为视频自身像素；在图层默认锚点（除文本外所有内容类型均为其盒中心）下即图层 transform.position。文本锚点在原点，应按对齐方式放置。旋转和缩放相对 t0，t0 处为 0° 和 1.0；跟踪器无法从一个盒子得知 t0 时物体的倾斜，应自行加上图层初始姿态。旋转逆时针为正，而场景旋转顺时针，跟踪器报告 +12° 在场景中为 -12，放置时每个旋转值都要变号。缩放返回 [s, s]，因为场景缩放是二维的。关键帧时间默认从 t0 计数，除非调用设 normalizeTime: "absolute"。缓动为四种预设之一（linear、ease_in、ease_out、ease_in_out），按段选择最接近的一种；有急停或长缓定的运动只是接近而非精确，maxError 说明接近程度。返回轨道表达式而非关键帧，表示路径在容差内拟合为圆；压缩参考中真实路径常非纯圆，回退到关键帧是诚实答案而非失败。跟踪器没有 alpha，无法区分淡入淡出与移动；应通过前后静帧判断淡入淡出，不得编造以掩盖姿态跳变。
将跟踪运动放到图层：结果位于参考帧与时间中。时间是关键帧的图层时间，等于跟踪时间加 t0（若从 t0 计数），加参考第0秒播放的场景秒，再减图层开始。像素：场景尺寸与参考不同时，每个位置乘以场景尺寸/参考尺寸（两轴同因子），再加参考帧在场景中的偏移。姿态：旋转等于图层初始旋转减跟踪值；缩放等于图层初始缩放乘跟踪值。缓动保持每个关键帧原位，它塑造从该帧开始的段。轨道表达式以参考像素与时间表示，不能用这些规则移动；场景与参考尺寸不同时，应将该物体重新跟踪为关键帧，或在按参考尺寸的场景中按参考尺寸放置。
对比渲染与参考：导出该片段渲染，用相同目标与模式跟踪，将两个跟踪结果连同 target 和 channel 传给 picsart_media_track_motion_diff，返回 maxDev、meanDev 和 worstT（差异最大时刻）。用数字代替“看起来差不多”，调整直到 maxDev 低于用例阈值。比较要同类：两侧相同目标、窗口和容差；渲染从自身第0秒跟踪、参考从第4秒跟踪是4秒偏移而非不匹配。偏差含义：恒定偏移是几何问题（位置或尺寸）；沿运动增大又减小是缓动；在节拍开始或结束达到峰值是时序。