Los métodos tradicionales de interpolación de fotogramas de video basados en redes neuronales convolucionales profundas enfrentan desafíos para manejar grandes movimientos. Su rendimiento está limitado por el hecho de que las operaciones convolucionales no pueden integrar directamente la rica información temporal y espacial de los píxeles entre fotogramas, y estos métodos dependen en gran medida de entradas adicionales como el flujo óptico para modelar el movimiento.