بسبب التوهين المكاني المتغير الناتج عن اهتزاز الكاميرا والحركة الحركية للأجسام تحت عمق مشاهد مختلف، فإن إزالة الضبابية من الصور الملتقطة في مشاهد ديناميكية تمثل تحديًا كبيرًا. وعلى الرغم من التقدم الكبير الذي أظهرته الدراسات الحديثة القائمة على الشبكات العصبية العميقة في معالجة هذه المشكلة، إلا أن نماذجها غالبًا ما تكون كبيرة جدًا ومرهقة من حيث الحوسبة. في هذه الورقة، نقترح شبكة عصبية مبتكرة ذات توهين مكاني متغير لمعالجة هذه المشكلة. تتألف الشبكة المقترحة من ثلاث شبكات عصبية تلافيفية عميقة (CNNs) وشبكة عصبية متكررة (RNN). وتُستخدم الشبكة المتكررة كعامل تفكيك تلافيفي (deconvolution operator) يتم تطبيقه على خرائط الميزات المستخلصة من الصورة المدخلة بواسطة أحد الشبكات التلافيفية العميقة. ويُستخدم الشبكة التلافيفية الثانية لتعلم الأوزان الخاصة بالشبكة المتكررة في كل موقع. وبذلك، تصبح الشبكة المتكررة ذات طبيعة مكاني متغير، ويمكنها نمذجة عملية إزالة الضبابية بشكل ضمني باستخدام نوى تلافيفية متغيرة مكانيًا. أما الشبكة التلافيفية الثالثة، فهي تُستخدم لإعادة بناء خرائط الميزات المزالة الضبابية إلى صورة مُستعادة. وتُعتبر الشبكة بأكملها قابلة للتدريب من النهاية إلى النهاية. وتبين التحليلات التي أجريناها أن الشبكة المقترحة تمتلك مجال استقبال كبير حتى مع حجم نموذج صغير. وتشير التقييمات الكمية والكيفية على مجموعات بيانات عامة إلى أن الأسلوب المقترح يتفوق على الخوارزميات الرائدة في مجاله من حيث الدقة، والسرعة، وحجم النموذج.