التمثيل النادر بالنسبة لمكتبة زائدة الإكمال غالبًا ما يستخدم عند تنظيم المشكلات العكسية في معالجة الإشارات والصور. في السنوات الأخيرة، اكتسب نموذج الترميز النادر الإقحيمي (Convolutional Sparse Coding - CSC)، حيث تتكون المكتبة من مرشحات ثابتة الترجمة، اهتمامًا متجددًا. رغم أن هذا النموذج قد تم استخدامه بنجاح في بعض مشكلات معالجة الصور، إلا أنه لا يزال يتأخر عن الطرق التقليدية القائمة على القطعات في المهام البسيطة مثل إزالة الضوضاء.في هذا العمل، نقدم رؤى جديدة حول نموذج CSC وقدرته على تمثيل الصور الطبيعية، ونقترح علاقة بيزية بين هذا النموذج وسلفه القائم على القطعات. مستندين إلى هذه الملاحظات، نقترح شبكة تغذية متقدمة جديدة تتبع عملية تقريب MMSE لنموذج CSC باستخدام الاقتطاع المتدرج (strided convolutions). أظهرت أداء هذه الهندسة المراقبة أنها تعادل أفضل الأساليب الحالية بينما تستخدم عددًا أقل بكثير من المعالم.