أظهرت الدراسات الحديثة التي تعتمد على الدوال العصبية الضمنية إمكانية تمثيل الصور بحلّة تلقائية. ومع ذلك، تُظهر الشبكة العصبية متعددة الطبقات (MLP) المنفصلة أداءً محدودًا في تعلم المكونات عالية التردد. في هذه الورقة، نقترح نموذجًا يُسمى "مُقدّر النسيج المحلي" (LTE)، وهو مُقدّر لتردد الصورة المهيمنة في الصور الطبيعية، مما يمكّن الدالة الضمنية من التقاط التفاصيل الدقيقة أثناء إعادة بناء الصور بطريقة مستمرة. عند تدريبه معًا مع بنية عميقة لتحسين الدقة (SR)، يكون LTE قادرًا على وصف نسيج الصورة في الفضاء التوافقي ثنائي الأبعاد (2D Fourier space). ونُظهر أن الدالة العصبية القائمة على LTE تحقق أداءً متميزًا مقارنة بالأساليب العميقة الحالية لتحسين الدقة، ضمن عوامل مقياس متعددة دون قيود. علاوة على ذلك، نثبت أن تنفيذنا يحقق أقصر زمن تشغيل مقارنة بالدراسات السابقة.