تواجه النماذج التقليدية للانتشار المشروط مشاكل في استغلال الشروط السابقة بشكل غير كافٍ، وخطوات أخذ العينات المطولة، وضعف استعادة التفاصيل عالية التردد عند استخدام تقنية الانتشار النموذجي في إعادة بناء الصور الفضائية فائقة الدقة. تقترح هذه الورقة شبكة الانتشار المشروط المتبقي ذات المرحلتين (TRCDSR) ، حيث تستخدم المرحلة الأولى نموذج CNN خفيف مدرب مسبقًا لإنتاج نتائج أولية فائقة الدقة توفر شروطًا هيكلية عالية الجودة للنموذج الانتشاري؛ أما المرحلة الثانية فتُدخل آلية الانتشار المشروط المتبقي بحيث يستخدم إشارة الفارق كمدخل، مما يجعل شبكة التنبؤ بالضوضاء تركز على إعادة بناء التفاصيل عالية التردد. ومن خلال تحسين صيغة العينة العكسية DDIM ، تم فك تشابك عملية تصحيح الفارق إلى جزء تنبؤي حتمي وجزء ضوضائي عشوائي، مع تحقيق إعادة بناء عالية الجودة في 20 إلى 50 خطوة. كما تم إدخال وحدة تعزيز الشروط السابقة متعددة القياسات (PCEM) وآلية الانتباه المدمجة بين الفضاء والقناة (FAN)، لتعزيز قدرة النموذج على التكيف مع المشاهد الفضائية المعقدة. وأظهرت التجارب على مجموعات بيانات فضائية متعددة مثل AID وSECOND وRSSCN أن TRCDSR توفر جودة إعادة بناء وكفاءة حسابية وقدرة تعميم أفضل مقارنة بالأساليب الأخرى القائمة على نموذج الانتشار وGAN وTransformer.

نموذج الانتشار;إعادة بناء الصور الفضائية فائقة الدقة;شبكة الفارق;تعزيز الشروط السابقة