عوامل النجاح الرئيسية لطرق إزالة الضبابية من الفيديو تكمن في تعويض البكسلات الضبابية في الإطار المتوسط باستخدام البكسلات الحادة من الإطارات المجاورة. ولهذا السبب، تقوم الطرق الشائعة بمحاذاة الإطارات المجاورة بناءً على التدفقات البصرية المقدرة، ثم تدمج الإطارات المُحاذاة لإعادة البناء. ومع ذلك، تُنتج هذه الطرق أحيانًا نتائج غير راضية، نظرًا لقلة اهتمامها بمستويات الضبابية لكل بكسل، مما قد يؤدي إلى إدخال بكسلات ضبابية من الإطارات الفيديوية. في الواقع، ليست جميع البكسلات في الإطارات الفيديوية حادة، ولا تكون جميعها مفيدة لعملية إزالة الضبابية. ولحل هذه المشكلة، نقترح شبكة الانتباه المُتعددة الأبعاد المُنحنيّة الزمانيّة (STDANet) لإزالة الضبابية من الفيديو، والتي تستخرج معلومات البكسلات الحادة من خلال أخذ مستويات الضبابية لكل بكسل في الإطارات الفيديوية بعين الاعتبار. وبشكل خاص، تُعدّ STDANet شبكة من نوع مشفر-فكّار (encoder-decoder) مدمجة مع مُقدّر الحركة ووحدة الانتباه المُتعددة الأبعاد المُنحنيّة الزمانيّة (STDA)، حيث يُقدّر مُقدّر الحركة التدفقات البصرية الأولية، والتي تُستخدم كإحداثيات أساسية لتحديد البكسلات الحادة المقابلة في وحدة STDA. تُظهر النتائج التجريبية أن STDANet تتفوّق على الطرق الحالية الأفضل في مجموعات بيانات GoPro وDVD وBSD.