Diese Forschungsarbeit präsentiert eine neuartige Klasse von Restaurationsnetzwerkarchitekturen, die auf der Formulierung nach Volterra basiert. Durch die Einbeziehung von Nichtlinearitäten in die Systemantwortfunktion mittels höherer Ordnungskonvolutionen anstelle herkömmlicher Aktivierungsfunktionen wird ein allgemeiner Rahmen für die Bild-/Video-Restaurierung vorgestellt. Durch umfangreiche Experimente zeigen wir, dass die vorgeschlagene Architektur eine state-of-the-art (SOTA)-Leistung im Bereich der Bild- und Video-Restaurierung erzielt. Darüber hinaus weisen wir nach, dass das kürzlich vorgestellte Non-Linear Activation Free Network (NAF-NET) als Spezialfall innerhalb der breiteren Klasse der Volterra-Neural-Netzwerke betrachtet werden kann. Diese Ergebnisse unterstreichen das hohe Potenzial von Volterra-Neural-Netzwerken als vielseitiges und leistungsfähiges Werkzeug zur Bewältigung komplexer Restaurierungsaufgaben im Bereich der Computer Vision.