في هذا البحث، ندرس مشكلة عملية لتحسين دقة الفيديو الزمانية-المكانية (STVSR) التي تهدف إلى إنشاء فيديو بتردد عالٍ ودقة عالية واضحة من فيديو بتردد منخفض ودقة منخفضة غير واضحة. تحدث مثل هذه المشكلة غالبًا عند تسجيل حدث ديناميكي سريع باستخدام كاميرا ذات تردد منخفض ودقة منخفضة، ويكون الفيديو الملتقط متأثرًا بثلاثة مشاكل نموذجية: أ) يحدث تشويش الحركة بسبب حركة الأشياء أو الكاميرا أثناء وقت التعرض؛ ب) لا يمكن تجنب تشويه الحركة الزمني عندما يتجاوز تردد الحدث الزمني حد نيكست للعينة الزمنية؛ ج) يتم فقدان التفاصيل ذات التردد العالي بسبب معدل العينة المكاني المنخفض. يمكن تخفيف هذه المشاكل عبر سلسلة من ثلاث مهام فرعية منفصلة، وهي تحسين صفاء الفيديو، وإدخال الإطارات، وتحسين الدقة، ولكن هذه الطريقة قد تعجز عن التقاط الارتباطات الزمانية والمكانية بين سلاسل الفيديو. لحل هذه المشكلة، نقترح إطار عمل قابل للتفسير لـ STVSR عن طريق الاستفادة من الأساليب القائمة على النماذج والأساليب القائمة على التعلم. تحديدًا، نصيغ STVSR كمشكلة مشتركة لتحسين صفاء الفيديو وإدخال الإطارات وتحسين الدقة، ونحلها كمهمتين فرعيتين بطريقة بديلة. بالنسبة للمهمة الفرعية الأولى، نستنتج حلًّا تحليليًا قابلاً للتفسير واستخدامه كطبقة تحويل بيانات فورييه. ثم نقترح طبقة تعزيز فيديو متكررة للمهمة الفرعية الثانية لإعادة استرجاع التفاصيل ذات التردد العالي بشكل أكبر. تظهر التجارب الواسعة تفوق طريقتنا فيما يتعلق بالمقاييس الكمية وجودة الصورة البصرية.