في هذه الورقة، نقترح طريقة لإزالة السحب من صور الأقمار الصناعية في الطيف المرئي (RGB) من خلال توسيع الشبكات التوليدية التنافسية الشرطية (cGANs) من الصور الثنائية الطيفية (RGB) إلى الصور متعددة الطيف. وقد تم استخدام صور الأقمار الصناعية على نطاق واسع لأغراض متعددة، مثل رصد البيئة الطبيعية (التلوث، الغابات، أو الأنهار)، وتحسين وسائل النقل، والاستجابة السريعة للكوارث. ومع ذلك، فإن الضبابية الناتجة عن السحب تجعل المراقبة المستقرة للوضع على سطح الأرض باستخدام الكاميرات في الطيف المرئي أمرًا غير ممكن. ولتقليل تأثير السحب، تم إدخال الصور المُلتقطة بطول موجي أطول. ويُعد جهاز الرادار بفتحة مصغرة المُصَنَّعة (SAR) مثالاً على ذلك، حيث يُحسّن الوضوح حتى في حال وجود سحب. من ناحية أخرى، ينخفض الدقة المكانية مع زيادة طول الموجة. علاوةً على ذلك، تختلف الصور المُلتقطة بطول موجي طويل بشكل كبير عن الصور المُلتقطة في الطيف المرئي من حيث المظهر. لذلك، نقترح شبكة قادرة على إزالة السحب وإنتاج صور في الطيف المرئي من صور متعددة الطيف المُقدمة كمدخلات. ويتم تحقيق ذلك من خلال توسيع قنوات المدخلات لشبكات cGANs لجعلها متوافقة مع الصور متعددة الطيف. وتم تدريب الشبكات لإخراج صور تقترب من الصور الحقيقية على الأرض، باستخدام صور تم تصنيعها بوجود سحب فوق الصور الحقيقية كمدخلات. وفي البيانات المتاحة، يكون احتمال وجود صور للغابات أو المحيط مرتفعًا جدًا، مما قد يؤدي إلى تحيّز في مجموعة التدريب إذا تم أخذ العينات بشكل موحد من البيانات الأصلية. ولذلك، نستخدم خوارزمية التضمين العشوائي للجيران الموزعين (t-SNE) لتحسين مشكلة التحيّز في مجموعة التدريب. وأخيرًا، نؤكد جدوى الشبكة المقترحة على مجموعة بيانات مكوّنة من صور ذات أربعة نطاقات، تشمل ثلاث نطاقات في الطيف المرئي ونطاقًا واحدًا في الأشعة تحت الحمراء القريبة (NIR).