لتحقيق نجاح تفتيت الفيديو من الضبابية، من الضروري استغلال المعلومات الواردة من الإطارات المجاورة. تعتمد معظم الطرق المتطورة حديثًا لتفتيت الفيديو من الضبابية على تعويض الحركة بين إطارات الفيديو لجمع المعلومات من عدة إطارات يمكن أن تساعد في تفتيت الإطار المستهدف. ومع ذلك، فإن أساليب تعويض الحركة المستخدمة في الطرق السابقة لتفتيت الضبابية ليست مستقلة عن الضبابية، وبالتالي فإن دقتها محدودة بالنسبة للإطارات المشوهة التي تختلف في مدى الضبابية. لمعالجة هذه المشكلة، نقترح طريقتين جديدتين لتفتيت الفيديو من خلال استغلال فعّال للمعلومات من عدة إطارات في الفيديو. أولاً، نقدم تعلمًا مُستقلًا عن الضبابية لتقدير الحركة لتحسين دقة تقدير الحركة بين الإطارات المشوهة. ثانيًا، لتعويض الحركة، بدلًا من محاذاة الإطارات عن طريق تشويهها وفقًا للحركات المقدرة، نستخدم حجمًا بيكسلًا يحتوي على بيكسلات حادة مرشحة لحل أخطاء تقدير الحركة. ونُدمج هذين العمليين معًا لتقديم شبكة تكرارية فعّالة لتفتيت الفيديو تُستغل بالكامل الإطارات السابقة المُفَتَّتة. تُظهر التجارب أن طريقة我们的 تحقق من الأداء الأفضل في الفئة من حيث الجوانب الكمية والكيفية مقارنة بالطرق الحديثة التي تعتمد على التعلم العميق.