نظهر أن يمكن توحيد المشغلات الحالية لزيادة الدقة باستخدام مفهومدالة الفهرسة. هذا المفهوم مستوحى من ملاحظة في عملية فك التشفيرللتضبيب العميق للصور حيث يمكن للأونبولينج الموجه بالفهارس غالبًا استعادةتفاصيل الحواف بشكل أفضل بكثير من مشغلات زيادة الدقة الأخرى مثلالاستكمال الثنائي الخطي. من خلال رؤية الفهارس كدالة للمخطط الخاص بالميزات،نقدم مفهوم "تعلم الفهرسة" ونعرض إطارًا جديدًا للمشفر-المفكك حيث يتم تعلم الفهارسبشكل ذاتي ومتكيف مع البيانات واستخدامها لتوجيه مراحل التقليل والزيادة في الدقة، دون الحاجة إلى إشراف تدريبي إضافي. في قلب هذا الإطار يوجدوحدة قابلة للتعلم جديدة، تُسمى شبكة الفهرسة (IndexNet)، والتي تولد الفهارس بشكل ديناميكي بناءً على المخطط الخاص بالميزات نفسه. يمكن استخدام شبكة الفهرسةكوحدة إدراجية تنطبق على معظم الشبكات التلافيفية الجاهزة التي تحتوي على مراحل تقليل وزيادة الدقة مرتبطة معًا، مما يمنح هذه الشبكات القدرة على التقاط التغيرات الديناميكية لأنماط محلية. وبشكل خاص، نقوم بتجسيد ودراسة خمس عائلات من شبكة الفهرسة ونثبت فعاليتها في أربع مهام للتنبؤ الكثيف، بما في ذلك تنقية الصور، وتضبيب الصور، والتقسيم الدلالي، وتقدير العمق الأحادي. تم جعل الرمز والموديلات متاحة في: https://tinyurl.com/IndexNetV1