نقدم شبكة جديدة لتصحيح تأثير الشاشة الدوارة (rolling shutter). تعتمد الشبكة على صورتين متتاليتين بتأثير الشاشة الدوارة، وتُقدّر الصورة ذات الشاشة العالمية (global shutter) المقابلة للإطار الأخير. يتم تقدير حقل الانزلاق الكثيف من صورة بتأثير الشاشة الدوارة إلى صورتها المقابلة ذات الشاشة العالمية من خلال شبكة تقييم الحركة. ثم، يتم تحويل التمثيل المميز (feature representation) المُتعلّم لصورة الشاشة الدوارة إلى تمثيلها المقابل للشاشة العالمية، باستخدام كتلة تحويل أمامية قابلة للتفاضل، بناءً على حقل الانزلاق. بعد ذلك، يُعيد مُفكّك الصور (image decoder) استعادة صورة الشاشة العالمية استنادًا إلى التمثيل المُحوّل. تُمكن هذه الشبكة من التدريب من النهاية إلى النهاية، وتتطلب فقط صورة الشاشة العالمية للإشراف. نظرًا لعدم توفر أي مجموعة بيانات عامة، قمنا أيضًا باقتراح مجموعتين كبيرتين من البيانات: مجموعة بيانات Carla-RS ومجموعة بيانات Fastec-RS. تُظهر النتائج التجريبية أن شبكتنا تتفوّق على الطرق الحالية الأفضل (state-of-the-art). نُزوّد بالكود والبيانات على الرابط التالي: https://github.com/ethliup/DeepUnrollNet.