首先作者提出了将视频帧按照距离参考帧的大小来分组，如图中（1，2，3，4，5，6，7）的帧就被分为了三组（1，4，7），（2，4，6），（3，4，5）。 这么做的原因有两个：
距离参考帧不同距离的帧所提供的信息是互补的的，尤其在遮挡，大运动，扭曲的情况下。参考帧可以作为提取信息的指引。组内融合模块的作用是为每个分组提供特征提取和信息融合，每个模块包含三个部分，其中使用的卷积层都会依据不同的分组带有不同的膨胀因子（dilation rate）其依据是距离远的帧所带有的运动偏向更大。另外值得一提的是，每个组内融合的权重是共享的。
组间融合模块使用了注意力机制，并且通过softmax，以时间轴压缩不同帧。 组间融合模块的目标是在不同的时间群中聚合信息，并生成高分辨率的残差图。
最后生成的高分辨率残差图和bicubic 图进行融合上采样。
不同以往使用的光流估计方法，作者估计每组连续帧之间的同质性，并且将相邻帧扭曲到参考帧。 与光流估计相比较计算同质性的方法更加的有效和高效率， 由于计算每个像素的光流，不完善的光流估计会给翘曲带来意想不到的像素级失真，破坏原始图像的结构。然而计算同质性（homography）可以利用传递性的性质一次完成，减少了计算的冗余。
表现十分优秀。
论文主体部分分析到这里，关于具体执行的细节和有关的灵敏度分析可以参考具体论文。 论文地址
