نقدّم نموذجًا توليديًا مبنيًا على شبكة عميقة ذات تراكيب تلافيفية (Deep Residual Network) لتحسين دقة الصورة الفردية (SISR) في الصور تحت الماء، وذلك لاستخدامه من قبل الروبوتات تحت الماء ذاتية التحكم. كما نقدّم أيضًا مسارًا تدريبيًا متنافسًا (adversarial training pipeline) لتعلم SISR من بيانات مزدوجة (paired data). ولإشراف التدريب، نصيغ دالة هدف تقيّم جودة الإدراك البصري للصورة بناءً على محتواها العام، وملامحها اللونية، ومعلومات الأنماط المحلية. بالإضافة إلى ذلك، نقدّم مجموعة البيانات USR-248، وهي مجموعة بيانات كبيرة تضم ثلاث مجموعات من الصور تحت الماء ذات دقة فضائية عالية (640×480) ودقة منخفضة (80×60، 160×120، و320×240). تحتوي مجموعة USR-248 على أمثلة مزدوجة تُستخدم في التدريب المراقب لنماذج SISR بعوامل تكبير تبلغ 2x و4x و8x. علاوة على ذلك، نُثبت فعالية النموذج المقترح من خلال تجارب نوعية وكمية، ونقارن النتائج بأداء عدة نماذج رائدة في مجالها. كما نُحلّل جدوى تطبيق النموذج العملي في مهام مثل فهم المشهد ونمذجة الانتباه في ظروف بصرية مشوّشة.