الملخص. نقدّم تداخلًا عميقًا بايزيًا لإطارات الفيديو، وهي منهجية جديدة لزيادة معدل الإطارات الزمنية للفيديو من معدل منخفض إلى نسخة معدلة أعلى. تعتمد منهجيتنا على تعلّم توزيعات الاحتمالات اللاحقة للتدفقات البصرية والإطارات التي يتم تداخلها، حيث يتم تحسينها من خلال الانحدار التدرجي المُتعلّم لتحقيق تقارب سريع. يمثل كل خطوة مُتعلّمة شبكة خفيفة الوزن تقوم بتعديل مشتقات الاحتمال اللوغاريتمي للإطارات والتدفقات المقدرة. وتُستخدم هذه المشتقات، التي تُمثّل بشكل صريح أو ضمني، لتمثيل دقة التقديرات الحالية عند مطابقة توزيعات الصور والتدفقات الحقيقية لتفسير الملاحظات المدخلة. وباستخدام هذه المنهجية، نُظهر أرقامًا قياسية جديدة في 8 من أصل 10 معايير، مع استخدام بنية تحتية تمتلك نصف عدد المعلمات مقارنةً بالنموذج الرائد في مجاله.