手持機器で撮影された動画におけるカメラの手ぶれによるモーションブラーは、大きな課題である。単一画像の復元とは異なり、動画ベースのアプローチは隣接フレーム間に存在する豊富な情報を活用できるため、優れた性能を発揮する。その結果、最先端の手法は近接フレームのアライメントに依存している。しかし、画像のアライメントは計算コストが高く、脆弱なプロセスであり、情報の集約を行う手法は、どの領域が正確にアライメントされているか、どの領域がそうでないかを識別できる必要がある。これは高レベルなシーン理解を要するタスクである。本研究では、畳み込みニューラルネットワーク（CNN）をエンド・ツー・エンドで学習させ、フレーム間で情報を効果的に蓄積する方法を学習する深層学習による動画のブラー除去手法を提案する。このネットワークを訓練するために、高フレームレートカメラで記録した実際の動画データセットを収集し、そのデータを用いて合成されたモーションブラーを教師信号として用いた。本手法が、さまざまな動画においてカメラの手ぶれによって生じるモーションブラーの復元に一般化できることを示し、他の複数のベースライン手法と比較して、復元品質の優位性を確認した。