极端的图像或视频完成，例如，我们在随机位置只保留了1%的像素，在所需的预处理方面允许非常便宜的采样。然而，其结果是，重建对人类和修复算法都是具有挑战性的。EFAN是一种只能应用于2D图像的完成方法。为了在视频上运行它，我们逐帧应用它，并将其称为EFAN2D（图1b）。如果我们以直接的方式将其扩展到视频数据，我们就会得到EFAN3D（图1c）。我们提出的ADEFAN（图1d）是专门为视频完成而设计的，它利用视频中可用的帧序列来重建每一帧，并且是自适应的。它适应我们所说的颜色运动，我们设法在稀疏采样的视频上估计颜色运动，以在减少模糊的同时提取尽可能多的时间信息。因此，我们的专利涵盖了一种最先进的极端视频完成设备。我们分析了一种基于颜色KL散度的颜色运动估计方法，该方法适用于极稀疏的场景。我们的算法在重建稀疏随机采样视频时，利用该估计在空间和时间滤波之间进行自适应。我们使用重建PSNR和平均意见得分在50个公开视频上验证了我们的结果。