تعزز التداخل الفيديو (Video Interpolation) الدقة الزمنية لسلسلة فيديو من خلال تصنيع الإطارات المتوسطة بين إطارين متتاليين. نقترح خوارزمية جديدة لتقريب الفيديو تعتمد على التعلم العميق، وتُبنى على تقدير الحركة ثنائية الاتجاه. أولاً، نطور شبكة الحركة ثنائية الاتجاه باستخدام حجم التكلفة ثنائية الاتجاه لتقدير الحركات الثنائية بدقة. ثم نقرب الحركات الثنائية الاتجاه لتنبؤ بأشكال مختلفة من الحركات الثنائية. بعد ذلك، نُنَوِّر الإطارات المدخلة باستخدام الحركات الثنائية المقدرة. ثم نطور شبكة توليد المرشحات الديناميكية لتوليد مرشحات خلط ديناميكية. وأخيرًا، نُدمج الإطارات المنوَّرة باستخدام المرشحات الديناميكية لتكوين الإطارات المتوسطة. تُظهر النتائج التجريبية أن الخوارزمية المقترحة تتفوق على خوارزميات التداخل الفيديو الأفضل حالياً على عدة مجموعات بيانات معيارية.