تلقى الطرق الحديثة لاستعادة الوجه المستندة إلى المراجع اهتمامًا كبيرًا بسبب قدرتها العالية على استرجاع التفاصيل ذات التردد العالي في الصور منخفضة الجودة الحقيقية. ومع ذلك، فإن معظم هذه الطرق تتطلب صورة مرجعية عالية الجودة لنفس الهوية، مما يجعل تطبيقها محدودًا في مشاهد معينة. لحل هذه المشكلة، تقترح هذه الورقة شبكة قاموس عميقة للوجه (DFDNet) لإرشاد عملية استعادة الملاحظات المتدهورة. بدايةً، نستخدم خوارزمية K-متوسطات لتوليد قواميس عميقة للمكونات الوجهيّة ذات الأهمية الإدراكية (مثل العينين اليمنى واليسرى، الأنف والفم) من الصور عالية الجودة. ثم، باستخدام الإدخال المتدهور، نتطابق ونختار الميزات الأكثر تشابهًا لمكوناتها من القواميس المقابلة ونقل التفاصيل عالية الجودة إلى الإدخال عبر الكتلة المقترحة لنقل ميزات القاموس (DFT). بشكل خاص، يتم استخدام AdaIN المكوني للتخلص من تنوع الأسلوب بين ميزات الإدخال والقاموس (مثل الإضاءة)، ويُقترح مؤشر الثقة لدمج ميزات القاموس مع الإدخال بطريقة تكيفية. أخيرًا، يتم تبني قواميس متعددة المقاييس بطريقة تدريجية لتمكين الاستعادة من الخشن إلى الدقيق. تظهر التجارب أن الطريقة المقترحة يمكن أن تحقق أداءً مقنعًا في كل من التقييم الكمي والنوعي، وأكثر أهميةً، يمكنها إنتاج نتائج واقعية ومثيرة للإعجاب في الصور المتدهورة الحقيقية دون الحاجة إلى مرجع ينتمي إلى نفس الهوية. يمكن الحصول على الشفرة المصدرية والأنماط من \url{https://github.com/csxmli2016/DFDNet}.