本文介绍了多种视频去模糊方法，包括Flow-Guided Sparse Transformer（FGST）和模糊插值变换器（BiT），它们在不同数据集上表现优异。研究强调了运动信息的重要性，并提出了基于极坐标的Radial Strip Transformer架构，显著提升了去模糊性能。此外，Swin Transformer为骨干的SUNet模型在低光条件下展现了卓越的适应性。