Video-Interpolation erhöht die zeitliche Auflösung einer Videosequenz, indem Zwischenbilder zwischen zwei aufeinanderfolgenden Frames synthetisiert werden. Wir stellen einen neuartigen, auf tiefen Lernverfahren basierenden Algorithmus zur Video-Interpolation vor, der auf einer bilateralen Bewegungsschätzung beruht. Zunächst entwickeln wir das bilaterale Bewegungsnetzwerk mit einem bilateralen Kostenvolumen, um bilaterale Bewegungen präzise zu schätzen. Anschließend approximieren wir bidirektionale Bewegungen, um eine andere Art von bilateralen Bewegungen vorherzusagen. Anschließend wenden wir die geschätzten bilateralen Bewegungen an, um die beiden Eingabebilder zu verformen. Danach entwickeln wir das Netzwerk zur Generierung dynamischer Filter, um dynamische Mischfilter zu erzeugen. Schließlich kombinieren wir die verformten Bilder mithilfe der dynamischen Mischfilter, um Zwischenbilder zu generieren. Experimentelle Ergebnisse zeigen, dass der vorgeschlagene Algorithmus auf mehreren Benchmark-Datensätzen die derzeit besten Verfahren zur Video-Interpolation übertrifft.