L’interpolation vidéo permet d’augmenter la résolution temporelle d’une séquence vidéo en synthétisant des images intermédiaires entre deux cadres consécutifs. Nous proposons une nouvelle méthode d’interpolation vidéo basée sur l’apprentissage profond, fondée sur une estimation bilatérale du mouvement. Tout d’abord, nous développons un réseau de mouvement bilatéral utilisant un volume de coût bilatéral afin d’estimer avec précision les mouvements bilatéraux. Ensuite, nous approximons les mouvements bidirectionnels afin de prédire un type différent de mouvements bilatéraux. Nous déformons ensuite les deux images d’entrée en utilisant les mouvements bilatéraux estimés. Par la suite, nous concevons un réseau de génération de filtres dynamiques afin de produire des filtres de mélange dynamiques. Enfin, nous combinons les images déformées à l’aide de ces filtres de mélange dynamiques pour générer les images intermédiaires. Les résultats expérimentaux montrent que l’algorithme proposé dépasse les méthodes d’interpolation vidéo les plus avancées sur plusieurs jeux de données de référence.