يُعد التجزئة الدلالية للفيديو نشطًا في السنوات الأخيرة بفضل التقدم الكبير في التجزئة الدلالية للصورة. ومع أن التجزئة الإطارية للصورة تُعد عادة غير مقبولة عمليًا بسبب التكلفة الحسابية العالية، فإن العديد من الدراسات حاولت التغلب على هذه المشكلة باستخدام انتقال الميزات المستندة إلى التدفق البصري لاستخدام ميزات الإطارات السابقة. ومع ذلك، فإن تقدير التدفق البصري يعاني حتمًا من عدم الدقة، مما يؤدي إلى تشويه الميزات المنقولة. في هذا البحث، نقترح أسلوب تصحيح الميزات المُدرَكة للتشويه لتخفيف هذه المشكلة، حيث يُحسّن الأداء في التجزئة الدلالية للفيديو من خلال تصحيح الميزات المنقولة المشوهة. وبشكل محدد، نقترح أولًا نقل أنماط التشويه من فضاء الميزات إلى فضاء الصورة، ثم إجراء تنبؤ فعّال بخريطة التشويه. وبفضل التوجيه الذي توفره خرائط التشويه، نقترح وحدة تصحيح الميزات (FCM) لتصحيح الميزات المنقولة في المناطق المشوهة. ويُمكن لطريقتنا أن تُحسّن بشكل كبير دقة التجزئة الدلالية للفيديو بتكاليف منخفضة. وتُظهر النتائج التجريبية الواسعة على مجموعتي بيانات Cityscapes وCamVid أن طريقتنا تتفوق على أحدث الطرق المتطورة في المجال.