إزالة الضوضاء من الصور هي مهمة أساسية ولكنها صعبة، خاصة عند التعامل مع الصور عالية الدقة وأنماط الضوضاء المعقدة. تعتمد معظم الطرق الحالية على هياكل الترانسفورمر القياسية، التي تتأثر غالبًا بتعقيد حسابي عالٍ وقابلية محدودة للتكيف مع مستويات مختلفة من الضوضاء. في هذه الورقة، نقدم نموذجًا جديدًا يعتمد على الترانسفورمر يُدعى الترانسفورمر ذو التوسيع القابل للتكيف (AKDT)، الذي يستغل بالكامل قوة معدلات التوسيع القابلة للتعلم داخل العمليات التلافيفية. يتكوّن AKDT من عدة طبقات وكتل مصممة خصيصًا، بما في ذلك وحدتنا الجديدة المعروفة بـ "وحدة معدل التوسيع القابل للتعلم" (LDR)، والتي تُستخدم لبناء وحدة مُقدّر الضوضاء (NE). في قلب نموذج AKDT، يتم دمج وحدة NE بشكل سلس ضمن المكونات القياسية للترانسفورمر لتكوين الشبكة التغذوية الموجهة بالضوضاء (NG-FFN) والانتباه الذاتي متعدد الرؤوس الموجه بالضوضاء (NG-MSA). تُمكّن هذه المكونات الموجهة بالضوضاء من الترانسفورمر النموذج من تحقيق أداء غير مسبوق في إزالة الضوضاء، مع تقليل كبير للتكاليف الحسابية. أظهرت التجارب الواسعة على عدة معايير لإزالة الضوضاء من الصور أن AKDT يُحدّد حالة جديدة من أفضل الأداء، ويُعدّ فعّالًا في التعامل مع كل من الضوضاء الحقيقية والاصطناعية. تم إتاحة الشفرة المصدرية والنماذج المدربة مسبقًا بشكل عام عبر الرابط التالي: https://github.com/albrateanu/AKDT.