尽管深度学习在图像/视频修复和超分辨率领域取得了显著影响，但学术界和工业界对学习型去隔行扫描的关注相对较少。尽管如此，由于退化模型已知且固定，去隔行扫描非常适合从合成数据中进行监督学习。在本文中，我们提出了一种新颖的多场全帧率去隔行扫描网络，该网络将最先进的超分辨率方法应用于去隔行扫描任务。我们的模型使用可变形卷积残差块和自注意力机制，将相邻场的特征对齐到参考场（待去隔行扫描）。大量的实验结果表明，所提出的方法在数值性能和感知性能方面均提供了最先进的去隔行扫描结果。截至本文撰写时，我们的模型在 https://videoprocessing.ai/benchmarks/deinterlacer.html 的全帧率排行榜上排名第一。