رغم أن البشر يتفوقون في التنبؤ بما يوجد خارج حدود الصورة، فإن النماذج العميقة تجد صعوبة في فهم السياق والتنبؤ من خلال المعلومات المحفوظة. وتُعرف هذه المهمة باسم إضافة خارجية للصورة (image outpainting) وتشمل إنشاء توسعات واقعية لحدود الصورة. يستخدم النماذج الحالية شبكات مولدة متعاكسة (Generative Adversarial Networks) لإنتاج نتائج تعاني من عدم اتساق الخصائص المحلية للصورة وتبدو غير حقيقية. نقترح طريقتين لتحسين هذه المشكلة: استخدام تمييز محلي وعالمي، وإضافة كتل بواقي (residual blocks) داخل الجزء الترميزي من الشبكة. تكشف المقارنات بين نموذجنا والنماذج الأساسية باستخدام خسارة L1 وخسارة متوسط الخطأ التربيعي (MSE)، والاختلافات النوعية أن نموذجنا قادر على تمديد حدود الأشياء بشكل طبيعي وإنتاج صور أكثر اتساقًا داخليًا مقارنة بالطرق الحالية، ولكنه ينتج صورًا ذات دقة أقل.