نقدّم طريقة جديدة يمكنها تحسين الدقة المكانية للصور الاستريو باستخدام معرفة سابقة بالانحراف (parallax prior). في حين أن التصوير الاستريو التقليدي ركّز على تقدير العمق من الصور الاستريو، فإن طريقتنا تستخدم الصور الاستريو لتحسين الدقة المكانية بدلاً من تقدير الانحراف. التحدي الرئيسي في تحسين الدقة المكانية من الصور الاستريو هو كيفية مطابقة النقاط المقابلة بدقة تفوق دقة البكسل. نظرًا لأن الانحراف في التصوير الاستريو التقليدي يُحسب لكل بكسل على حدة، فإنه غير مناسب مباشرة لتحسين الدقة المكانية. ولذلك، نتعلم معرفة سابقة بالانحراف من مجموعات بيانات الصور الاستريو من خلال تدريب شبكة مزدوجة المراحل بشكل مشترك. تتعلم الشبكة الأولى كيفية تحسين الدقة المكانية للصور الاستريو من حيث السطوع، بينما تتعلم الشبكة الثانية كيفية إعادة بناء صورة ألوان عالية الدقة من مكونات السطوع والتشبع عالية الدقة للصورة المدخلة. تُحسّن الشبكة المزدوجة المشتركة الدقة المكانية للصور الاستريو بشكل كبير مقارنةً بطرق تحسين الدقة المكانية من صورة واحدة. وتُطبَّق هذه الطريقة مباشرة على أي طريقة لتصوير العمق الاستريو، مما يمكّننا من تحسين الدقة المكانية للصور الاستريو.