في الآونة الأخيرة، أظهرت الشبكات العصبية التلافيفية العميقة (CNNs) تقدماً ملحوظاً في مجال زيادة دقة الصور الفردية. ومع ذلك، مع زيادة عمق وعرض هذه الشبكات، واجهت طرق زيادة الدقة المستندة إلى CNN تحديات عملية تتعلق بالتعقيد الحسابي واستهلاك الذاكرة. لحل هذه المشكلات، نقترح شبكة تلافيفية عميقة ولكن مدمجة لبناء صورة عالية الدقة مباشرة من الصورة الأصلية ذات الدقة المنخفضة. بشكل عام، يتكون النموذج المقترح من ثلاثة أجزاء وهي: كتلة استخراج الميزات، وكتل المعلومات المتراكمة، وكتلة إعادة البناء على التوالي. من خلال دمج وحدة تعزيز مع وحدة ضغط في كتلة التقطير، يمكن استخراج الميزات المحلية ذات المسارات الطويلة والقصيرة بفعالية. وبشكل خاص، تقوم الوحدة المعززة المقترحة بمزج نوعين مختلفين من الميزات بينما تقوم الوحدة الضاغطة بتقطر معلومات أكثر فائدة للكتل التالية. بالإضافة إلى ذلك، يتمتع الشبكة المقترحة بميزة التنفيذ السريع بسبب قلة عدد المرشحات لكل طبقة واستخدام التلافيف الجماعية. تثبت النتائج التجريبية أن الطريقة المقترحة أفضل من أفضل الأساليب الحالية، خاصة فيما يتعلق بأداء الوقت.