実際に中間フレームを予測するモデルでは、入力としてデプスマップや文脈特徴、局所補間カーネル、元画像などを受け取るが、Encoder-Decoderネットワークで予測した各中間データをそのまま受け取るのではなく、提案手法のProjected Flowに合わせて変形してから入力している。

Middlebury、Middlebury、UCF101、HDの各データセットにおいてSoTAを達成。また、実行速度やパラメータ数においても既存手法より優れている。