従来研究では，参照フレームに対してオプティカルフローを用いて、他のフレームのalignmentをとっていたが，これはフロー推定の精度に大きく影響を受けてしまう． 入力動画を様々なフレームレートでグループ分けし，階層的に動きの情報を取り出す手法を提案． 始めにグループごとの情報を統合し，その後Temporal Group Attention を用いてグループ間での統合を行う．

複数のデータセットで，既存研究と同等かそれ以上の結果を残している．