تعتمد معظم الطرق التقليدية لاسترجاع الصورة الفردية من الاضطراب (deblurring) قبل ظهور التعلم العميق على نموذج تدريجي من التقديرات الخشنة إلى الدقيقة، حيث يتم أولاً تقدير صورة واضحة على مقياس خشن، ثم تحسينها تدريجياً على مقاييس أدق. وعلى الرغم من أن هذا النموذج تم اعتماده في عدة مناهج تعتمد على التعلم العميق، إلا أن عددًا من الطرق ذات المقياس الواحد ظهرت مؤخرًا، وبيّنت أداءً متفوقًا على الطرق السابقة التي تعتمد على النموذج التدريجي من حيث الجودة ووقت الحساب. في هذه الورقة، نعيد النظر في نموذج التقدير التدريجي، ونحلل العيوب الموجودة في الطرق السابقة التي تؤدي إلى تراجع أدائها. استنادًا إلى هذه التحليلات، نقترح شبكة مكونة من مراحل متعددة المقاييس (MSSNet)، وهي منهجية جديدة قائمة على التعلم العميق لاسترجاع الصور الفردية من الاضطراب، وتعتمد حلولنا لمعالجة العيوب المذكورة. وبشكل خاص، تستخدم MSSNet ثلاث مكونات تقنية جديدة: تكوين المراحل الذي يعكس مقاييس الاضطراب، وآلية انتقال المعلومات بين المقاييس، ونهج متعدد المقاييس مبني على تقنية "الفرز البكسي" (pixel-shuffle). تُظهر تجاربنا أن MSSNet تحقق أداءً متقدمًا على مستوى العالم من حيث الجودة، وحجم الشبكة، ووقت الحساب.