白黒映像をend-to-endで着色する手法を提案。提案手法のモデルはビデオフレームの着色を行うネットワークと時空間の調整を行うネットワークから成る。損失関数が2つのネットワーク間の損失と時空間的損失から構成される自己正則化損失と多様な着色に対応する損失関数を組み合わせており、自己正則性からラベル付けデータなしで学習可能。