أظهرت الدراسات السابقة أن الشبكات العصبية التلافيفية يمكنها تحقيق أداءً جيدًا في مهام إزالة الضوضاء من الصور. ومع ذلك، تُعدّ القيود الناتجة عن عملية التلافيف الثابتة الموضعية محدودة، مما يؤدي إلى ظهور عيوب تُعرف بـ "الانعكاس الزائد" (oversmoothing artifacts). يمكن لهيكل شبكة أعمق أن يخفف من هذه المشكلات، لكنه يتطلب حسابات أكثر. في هذه الورقة، نقترح شبكة جديدة لتنقية الصور تُسمى SADNet (شبكة تنقية متكيفة مكانيًا) لتحسين إزالة الضوضاء من صورة واحدة بشكل أعمى وفعّال. لتمكين التكيّف مع التغيرات في النسيج المكاني والحواف، قمنا بتصميم كتلة متكيفة مكانيًا متبقية (residual spatial-adaptive block). كما تم استخدام التلافيف القابلة للانحناء (deformable convolution) لاستخلاص الميزات المترابطة مكانيًا وتقديم وزن لها. بالإضافة إلى ذلك، تم دمج هيكل مشفر-مُفكّك (encoder-decoder) مع كتلة سياقية لالتقاط المعلومات متعددة المقاييس. وباستخدام عملية إزالة الضوضاء من المستوى الخشن إلى الدقيق، يمكن الحصول على صورة خالية من الضوضاء عالية الجودة. تم تطبيق طريقة العمل على كلا نوعي مجموعات بيانات الصور المضروبة بالضوضاء: الاصطناعية والواقعية. وأظهرت النتائج التجريبية أن طريقة العمل لدينا تفوق الطرق المتطورة حاليًا في إزالة الضوضاء من حيث الجوانب الكمية والبصرية.