إزالة الضباب من الصور، وهي مهمة محورية في الرؤية منخفضة المستوى، تهدف إلى استعادة الوضوح والتفاصيل من الصور المغطاة بالضباب. تُظهر العديد من الطرق القائمة على التعلم العميق، التي تمتلك قدرة قوية على التعلم التمثيلي، أداءً متقدمًا في إزالة الضباب غير المتجانس، ولكن غالبًا ما تواجه صعوبات في معالجة الصور عالية الدقة (مثل 4000 × 6000) بسبب متطلباتها الحسابية الكبيرة. وللتغلب على هذه التحديات، نقدّم طريقة مبتكرة لإزالة الضباب غير المتجانس باستخدام بنية مُشَبَّهة بـ Transformer مع تراكيب تقوسية (DehazeDCT). بشكل محدد، نصمم أولًا شبكة مشابهة لـ Transformer تعتمد على التقوس التلقائي من الجيل الرابع (Deformable Convolution v4)، والتي توفر قدرة على التمثيل طويل المدى والجمع المتكيف للمساحة، وتُظهر تقاربًا أسرع وسرعة تشغيل أعلى. علاوة على ذلك، نستفيد من نموذج Transformer خفيف الوزن مستوحى من نموذج ريتينكس لتحقيق تصحيح الألوان وتحسين البنية الهيكلية. تُظهر نتائج التجارب الواسعة والأداء التنافسي العالي لطرقتنا في مسابقة NTIRE 2024 لتحدي إزالة الضباب الكثيف وغير المتجانس، حيث احتلت المرتبة الثانية بين جميع الـ 16 مشاركة، كفاءة متميزة لطرقتنا المقترحة. يمكن الوصول إلى الكود من خلال: https://github.com/movingforward100/Dehazing_R.