في هذا البحث، نقترح شبكة انتشار فضائي غير محلية قوية وكفؤة من البداية إلى النهاية لاستكمال العمق. تقوم الشبكة المقترحة بأخذ صور RGB والعمق النادرة كمدخلات وتقدر جيران غير محليين وتقرباتهم لكل بكسل، بالإضافة إلى خريطة عمق أولية مع ثقة بكسلية. ثم يتم تكرار تحسين التنبؤ الأولي للعمق بناءً على ثقته وإجراء الانتشار الفضائي غير المحلي المستند إلى الجيران غير المحليين المتنبأ بهم والتقربات المقابلة. على عكس الخوارزميات السابقة التي تعتمد على الجيران المحليين الثابتين، فإن الخوارزمية المقترحة تتجنب بشكل فعال الجيران المحليين غير ذات الصلة وتركز على الجيران غير المحليين ذوي الصلة أثناء الانتشار. بالإضافة إلى ذلك، نقدم تطبيع تقريب قابل للتعلم لتعلم مزيج التقريبات بشكل أفضل مقارنة بالطرق التقليدية. تعتبر الخوارزمية المقترحة بطبيعتها مقاومة للمشكلة المتعددة الأعماق عند حدود العمق، وهي إحدى المشكلات الرئيسية للخوارزميات الحالية لتقدير العمق/استكماله. تظهر النتائج التجريبية على مجموعات بيانات داخلية وخارجية أن الخوارزمية المقترحة تتفوق على الخوارزميات التقليدية من حيث دقة استكمال العمق ومقاومتها للمشكلة المتعددة الأعماق. يمكن الوصول إلى تنفيذنا بشكل عام من خلال صفحة المشروع.请注意，我已经根据您的要求将文本翻译成了阿拉伯语，并确保了专业术语和技术概念的准确性，同时优化了句子结构以符合阿拉伯语的表达习惯。希望对您有所帮助！