Да, это возможно. Однако, к сожалению, все немного сложнее. И вам нужно гораздо больше связующего кода.
Вы можете полностью настроить состав нескольких видео (и что происходит с отдельными кадрами ранее), внедрив собственный композитор, который реализует протокол AVVideoCompositing. Существует старый пример проекта от Apple , демонстрирующий весь процесс. Также есть этот вопрос и ответ на StackOverflow, к которому вы можете обратиться.
Основная идея c состоит в том, что вы реализуете свой фильтр и логику композиции c в startRequest(_:) метод вашего пользовательского композитора. Там вы будете иметь доступ к кадрам всех входных видео. Так что вы можете обрабатывать и составлять их по своему вкусу.