تهدف أساليب التحسين العشوائي (SR) إلى إنتاج صورة عالية الجودة وعالية الدقة من صورة منخفضة الدقة تحتوي على تشوهات غير معروفة. ومع ذلك، فإن الصور الطبيعية تحتوي على أنواع ومقدار متنوع من الضبابية: قد تكون بعضها ناتجة عن خصائص التشوه المتأصلة في الكاميرا، بينما قد تكون بعضها الآخر متعمدة لأغراض جمالية (مثل تأثير بوكه). وفي حالة الأخيرة، يصبح من الصعب للغاية على أساليب التحسين العشوائي فصل الضبابية التي يجب إزالتها عن تلك التي يجب تركها كما هي. في هذه الورقة، نقترح إطارًا جديدًا للتحسين العشوائي يعتمد على تعديل محلي متكيف موجه باللب (KOALA) لسمات التحسين، يُسمى KOALAnet، والذي يتعلم بشكل مشترك لبَّي التشوه والتحسين المتغيرين مكانيًا بهدف التكيف مع خصائص الضبابية المتغيرة مكانيًا في الصور الحقيقية. ونُظهر أن KOALAnet يتفوق على الأساليب الحديثة للتحسين العشوائي عند استخدام صور منخفضة الدقة مُولَّدة بتشوهات عشوائية، كما نبين أن KOALAnet تُنتج نتائج أكثر طبيعية في الصور الفنية التي تحتوي على ضبابية متعمدة، دون أن تُفرِّط في الحدة الزائدة، من خلال التعامل الفعّال مع الصور التي تجمع بين مناطق تركّز وضبابية.