본 논문은 비디오 확산 변환기의 어텐션 메커니즘에 대한 예술적, 기술적 연구를 제시합니다. 아날로그 비디오 신호를 조작하여 새로운 시각적 미학을 창조한 초기 비디오 아티스트들에게 영감을 받아, 본 연구는 생성 비디오 모델에서 크로스 어텐션 맵을 추출하고 시각화하는 방법을 제안합니다. 오픈소스 Wan 모델을 기반으로 구축된 이 도구는 텍스트-비디오 생성에서 어텐션의 시간적 및 공간적 동작에 대한 해석 가능한 창을 제공합니다. 탐색적 조사와 예술적 사례 연구를 통해 어텐션 맵을 분석 도구와 원시 예술 자료 모두로 활용할 가능성을 조사합니다. 이 연구는 예술을 위한 설명 가능한 AI (XAIxArts)의 성장하는 분야에 기여하며, 아티스트들이 AI의 내부 작동 방식을 창의적인 매체로 되찾도록 초대합니다.