إن النجاح الرئيسي للطرق الحالية لتحسين دقة الفيديو (VSR) ينبع أساسًا من استكشاف المعلومات المكانية والزمانية، والتي تُحقق عادةً من خلال وحدة انتشار متكررة مع وحدة محاذاة. ومع ذلك، فإن المحاذاة غير الدقيقة غالبًا ما تؤدي إلى ميزات محاذية تحتوي على تشوهات كبيرة، والتي ستتراكم أثناء الانتشار وتؤثر بالتالي على استعادة الفيديو. بالإضافة إلى ذلك، تقتصر وحدات الانتشار على انتشار ميزات الوقت نفسه للأمام أو الخلف، مما قد يفشل في حالة الحركة المعقدة أو الإخفاء، مما يحد من أدائها في استعادة الإطارات عالية الجودة. لحل هذه المشكلات، نقترح طريقة التمييز والتغذية الراجعة التعاونية (CFD) لتصحيح الميزات المحاذية غير الدقيقة ونمذجة المعلومات المكانية والزمانية طويلة المدى لتحقيق إعادة بناء أفضل للفيديو. بالتفصيل، قمنا بتطوير طريقة تصحيح المحاذاة التمييزية (DAC) لاكتشاف المعلومات بشكل تكيفي وتقليل تأثير التشوهات الناجمة عن المحاذاة غير الدقيقة. ثم، نقترح وحدة انتشار التغذية الراجعة التعاونية (CFP) التي تستفيد من آليات التغذية الراجعة والبوابات لاستكشاف المعلومات المكانية والزamanية لميزات الأطر الزمنية المختلفة من الانتشار للأمام وللخلف في نفس الوقت. أخيرًا، ندمج الطريقة المقترحة DAC و CFP في شبكات VSR الشائعة الاستخدام للتحقق من فعالية طرقنا. تُظهر التجارب الكمية والنوعية على عدة مقاييس أن طرقنا يمكن أن تحسن أداء نماذج VSR الحالية مع الحفاظ على تعقيد نموذج أقل. سيتم توفير شفرة المصدر والنماذج المدربة مسبقًا في \url{https://github.com/House-Leo/CFDVSR}.