تتضمن العديد من المشكلات الأساسية المرتبطة بالصور مشكلة التفكيك التبادلي (deconvolution). نادرًا ما يتبع التدهور الناتج عن الضبابية في الصور نموذج التفكيك التبادلي الخطي المثالي، وذلك بسبب ضوضاء الكاميرا، أو التشبع، أو ضغط الصورة، وغيرها من العوامل. بدلًا من محاولة نمذجة المخرجات الخارجة عن المألوف (outliers) بدقة، وهو أمر يُعدّ صعبًا جدًا من منظور النماذج التوليدية، نقوم بتطوير شبكة عصبية تلافيفية عميقة (deep convolutional neural network) لالتقاط خصائص التدهور. لاحظنا أن تطبيق الشبكات العصبية العميقة الحالية مباشرة لا يُنتج نتائج معقولة. لذا، نقترح بناء علاقة بين الطرق التقليدية القائمة على التحسين (optimization-based schemes) وهيكل شبكة عصبية، حيث نُدخل بنية جديدة قابلة للانفصال (separable structure) لتوفير دعم موثوق للتفكيك التبادلي المقاوم للعيوب (artifacts). تحتوي شبكتنا على وحدتين فرعيتين، تم تدريبهما بطريقة مراقبة (supervised) مع تهيئة مناسبة. وتحقق هاتان الوحدتان أداءً جيدًا في تفكيك الصور غير العمياء (non-blind image deconvolution) مقارنةً بالطرق القائمة على النماذج التوليدية السابقة.