تواجه نماذج الانتشار التقليدية عدة تحديات عند استخدامها لإعادة بناء الصور ذات الدقة الفائقة في الاستشعار عن بعد، مثل الاستفادة غير الكافية من الشروط المسبقة، وطول خطوات العينة، والتعافي الضعيف لتفاصيل التردد العالي. تقترح هذه الورقة شبكة انتشار شرطية متبقية ذات مرحلتين (TRCDSR)، حيث تستخدم المرحلة الأولى نموذج CNN خفيف مدرب مسبقًا لإنشاء نتيجة أولية فائق الدقة لتوفير شرط بنيوي عالي الجودة لنموذج الانتشار؛ وفي المرحلة الثانية، يتم إدخال آلية انتشار شرطية متبقية، حيث يُستخدم إشارة الفرق كمدخل، مما يسمح لشبكة التنبؤ بالضوضاء بالتركيز على إعادة بناء التفاصيل عالية التردد. من خلال تحسين صيغة عينة عكسية DDIM، يتم فصل عملية تصحيح الفرق إلى جزء تنبؤ حتمي وجزء ضوضاء عشوائية، مع إنجاز إعادة البناء عالية الجودة في 20 إلى 50 خطوة. بالإضافة إلى ذلك، تم إدخال وحدة تعزيز الشرط المسبق متعددة المقاييس (PCEM) وآلية الانتباه المدمجة للمساحة والقناة (FAN)، مما يعزز قدرة النموذج على التكيف مع مشاهد الاستشعار عن بعد المعقدة. أظهرت التجارب على مجموعات بيانات متعددة مثل AID وSECOND وRSSCN أن TRCDSR يتفوق في جودة إعادة البناء، وكفاءة الحوسبة، والقدرة على التعميم مقارنةً بطرق أخرى قائمة على نماذج الانتشار، وGAN، وTransformer.

نموذج الانتشار;إعادة بناء فائق الدقة للاستشعار عن بعد;شبكة متبقية;تعزيز الشروط المسبقة