أظهرت طرق الترميم الصوري المستندة إلى التعلم العميق تقدماً ملحوظاً في ترميم الفجوات المستطيلة والغير منتظمة على حد سواء. ومع ذلك، يواجه ترميم الفجوات غير المنتظمة العديد من التحديات نظراً لعدم اليقين في أشكالها ومواقعها. ولا يمكن ضمان نتائج ترميم مقبولة عند الاعتماد فقط على الشبكات العصبية التلافيفية (CNN) أو الرقابة المعاكسة، لأن الفجوات غير المنتظمة تتطلب توجيهاً مبنياً على الانتباه لاسترجاع المعلومات اللازمة لتكوين المحتوى. في هذا البحث، نقترح ميكانيكي انتباه جديدين: أولهما وحدة انتباه عالمي تعتمد على تقطيع القناع (mask pruning-based global attention module)، والثاني وحدة انتباه عالمي ومحلي (global and local attention module)، بهدف استخلاص معلومات الاعتماد العالمي والمعلومات المتشابهة محلياً بين الميزات، لتحقيق نتائج أكثر دقة. وقد تم تقييم الطريقة المقترحة باستخدام أحدث الطرق، وأظهرت النتائج التجريبية أن طريقة المقترحة تتفوق على الطرق الحالية من حيث القياسات الكمية والكيفية.