إحدى المكونات الأساسية لاسترجاع الصور من الفيديو المضطربة (video deblurring) هي كيفية استغلال الإطارات المجاورة. تستخدم الطرق الحديثة المتطورة إما إطارات مُتماثلة بالقرب من الإطار المركزي، أو تُحَوِّل المعلومات من الإطارات السابقة إلى الإطار الحالي بشكل تكراري. في هذا العمل، نقترح مفهومًا جديدًا يُسمى "التحويل من عدة تشويشات إلى استرجاع صورة واضحة" (multi-blur-to-deblur، MB2D)، والذي يستغل الإطارات المجاورة لتحسين كفاءة استرجاع الصور من الفيديو المضطرب. أولاً، مستوحى من تقنية التمويه غير الحاد (unsharp masking)، نُقدِّم حجة تفيد بأن استخدام صور أكثر تشويشًا ناتجة عن وقت تسليط طويل كمدخلات إضافية يُحسّن الأداء بشكل كبير. ثانيًا، نُقدِّم شبكة عصبية متكررة مُزدوجة التشويش (multi-blurring recurrent neural network، MBRNN) قادرة على توليد صور أكثر تشويشًا من الإطارات المجاورة، مما يؤدي إلى تحسين ملحوظ في الأداء عند استخدامها مع الطرق الحالية لاسترجاع الصور من الفيديو المضطربة. أخيرًا، نقترح طريقة استرجاع متعددة المقياس مع ربط الخرائط الميّزة المتكررة من MBRNN (MSDR)، والتي تحقق أداءً يُعدّ الأفضل في مجاله على مجموعتي بيانات شهيرتين هما GoPro وSu، وبطريقة سريعة وفعالة من حيث استخدام الذاكرة.