Malgré les progrès récents visant à améliorer l’efficacité du déflouage d’images, la capacité de décodage limitée reste un facteur contrainte du plafond des méthodes de pointe (SOTA). Ce papier présente un travail novateur, le décodeur réversible à sortie adaptative par morceaux (AdaRevD), visant à explorer cette capacité de décodage insuffisante. En héritant des poids d’un encodeur bien entraîné, nous reformulons un décodeur réversible qui permet d’étendre l’entraînement d’un seul décodeur à un entraînement multi-décodeurs tout en restant respectueux de la mémoire GPU. Par ailleurs, nous démontrons que notre structure réversible parvient progressivement à désentrelacer le degré de dégradation élevé et le motif de flou de bas niveau (le résidu entre l’image floue et son équivalent net) à partir d’une représentation compacte de la dégradation. En outre, en raison de la variation spatiale des noyaux de flou cinématique, différents morceaux d’image présentent des niveaux de difficulté variés en déflouage. Nous introduisons donc un classificateur pour apprendre le degré de dégradation des morceaux d’image, permettant à chaque morceau de quitter le processus de décodage à un sous-décodeur adapté, ce qui accélère le traitement global. Les expériences montrent que notre AdaRevD repousse les limites du déflouage d’images, atteignant par exemple une PSNR de 34,60 dB sur le jeu de données GoPro.