GIF 是互联网上高度便携的图片格式。在论文《GIF2Video: Color Dequantization and Temporal Interpolation of GIF images》中，旷视科技的研究人员提出了首个基于学习的增强 GIF 视觉质量的方法 GIF2Video，把 GIF 恢复任务分解为三个任务来补充信息：帧采样、色彩量化和颜色抖动。此外，研究人员还介绍了两个大型数据集：GIF-Faces 和 GIF-Moments，进行训练和评估。实验结果显示，该方法能够极大的改进 GIF 的视觉质量，超越了现有的基线和顶级方法。