التداخل هو تقنية تُستخدم على نطاق واسع في بث التلفزيون وتسجيل الفيديو لمضاعفة معدل الإطارات المُدرَك دون زيادة العرض الترددي. ومع ذلك، فإنه يُعرِض لظهور تشوهات بصرية مزعجة، مثل الوميض والتشظي "السراطي" (serration) أثناء التشغيل. تتجاهل الأساليب الحالية الرائدة في مجال إزالة التداخل المعلومات الزمنية لتحقيق الأداء الفوري، لكن بجودة بصرية أقل، أو تقوم بتقدير الحركة للحصول على إزالة تداخل أفضل ولكن مع تكلفة حسابية أعلى. في هذا البحث، نقدم أول وأحدث طريقة تعتمد على الشبكات العصبية التلافيفية العميقة (DCNNs) لإزالة التداخل مع جودة بصرية عالية وأداء فوري. على عكس النماذج الموجودة المستخدمة في مشاكل زيادة الدقة والتي تعتمد على افتراض الثبات تحت الترجمة، يستخدم النموذج المقترح لدينا المعلومات الزمنية من الإطارات النصفية الفردية والزوجية لإعادة بناء الخطوط المسحية المفقودة فقط، ويحتفظ بالخطوط المسحية الفردية والزوجية المعطاة لإنتاج الإطارات الكاملة غير المتداخلة. من خلال تقديم معمارية قابلة للمشاركة بين الطبقات، يمكن لنظامنا تحقيق الأداء الفوري باستخدام معالج رسوميات واحد (GPU). أظهرت التجارب أن طريقة نموذجنا تتفوق على جميع الأساليب الموجودة من حيث دقة إعادة البناء والأداء الحسابي.