由于职业原因，四喜对于动画的相关知识了解的比较多，人眼之所以能够看到“能动”的图像，依靠的是人眼球的视觉暂留效应，换而言之就是上一张图片或景象能够在人眼，准确说是大脑中保存一段时间。
从视频的成像模式来说，将上一张图片从眼前拿走，在极短的零点零几秒内，人眼仍然保留着上一张图片的影像，在上一张图片的影像消失之前，立刻播放下一张图片，那么两张图片的内容就会重叠在一起，如果这两张图片中绝大多数物品都相对没有任何移动，只有一个物体的位置发生了微小的变化，那么我们就会认为这个物品发生了移动，在人脑中就会形成流畅的移动图像。
为了能够使动画的画面动起来，需要在人眼前迅速地播放图片，为了能够达到最基本的动画效果，至少需要一秒八张图片，而在一些画面中物品移动比较快的场景中，比如动画中常见的战斗场景里，一秒八张的播放仍然会产生卡顿。
在这里，卡顿的主要原因在于，为了使动作看上去有真实感，一个动作的持续时间一般是固定的，比如你在现实生活中提出自己的左腿只需要一秒钟，那么动画中这个动作的时间也应该是一秒钟。那么相对的，时间一定了，动作的速度更快，相同时间内腿的移动距