إزالة الضباب من الصورة الواحدة هي مرحلة حاسمة في العديد من تطبيقات الرؤية الذاتية الحديثة. كانت الطرق المبكرة القائمة على البيانات الأولية غالبًا تتضمن تقليل دالة طاقة مصممة يدويًا بطريقة تستغرق وقتًا طويلاً. أما الأساليب الحديثة القائمة على التعلم فتستفيد من قوة التمثيل للشبكات العصبية العميقة (DNNs) لتعلم التحويل الكامن بين الصور الضبابية والواضحة. نظرًا للقيود الأساسية في جمع صور واضحة وضبابية متطابقة، فإن هذه الطرق تعتمد على التدريب باستخدام بيانات مصنعة؛ والتي يتم بناؤها من صور داخلية ومعلومات العمق المقابلة لها. قد يؤدي هذا إلى تحول محتمل في المجال عند معالجة المشاهد الخارجية. نقترح طريقة تدريب تمامًا دون إشراف عبر تقليل دالة الطاقة المعروفة باسم "الممر المظلم الأولي" (DCP). بدلاً من إدخال البيانات المصنعة إلى الشبكة، نستخدم فقط صور العالم الحقيقي للمشاهد الخارجية ونضبط معلمات الشبكة بتقليل DCP مباشرة. رغم أن تقنيتنا "Deep DCP" يمكن اعتبارها تقريب سريع لـ DCP، إلا أنها تحسن النتائج بشكل كبير بالفعل. وهذا يشير إلى تنظيم إضافي يتم الحصول عليه عبر الشبكة وعملية التعلم. تظهر التجارب أن طرقنا تؤدي بنفس مستوى الأداء للطرق الإشرافية ذات الحجم الكبير.