Dans cet article, nous transformons le problème de dégommage d’images en un problème de traduction image à image, et proposons un réseau de dégommage amélioré Pix2pix (EPDN), capable de générer une image dégommée sans s’appuyer sur le modèle physique de diffusion. L’EPDN intègre un réseau génératif adversaire (GAN) suivi d’un module d’amélioration soigneusement conçu. Inspiré par la théorie de la perception visuelle fondée sur une approche globale d’abord, le discriminateur guide le générateur à produire une image pseudo-réaliste à une échelle grossière, tandis que l’unité d’amélioration, placée derrière le générateur, est chargée de générer une image dégommée réaliste à une échelle fine. Ce module d’amélioration comprend deux blocs d’amélioration basés sur le modèle de champ réceptif, renforçant ainsi l’effet de dégommage tant au niveau des couleurs que des détails. Le GAN intégré est entraîné conjointement avec le module d’amélioration. Les résultats expérimentaux étendus sur des jeux de données synthétiques et des données réelles démontrent que l’EPDN surpasser les méthodes de pointe en termes de PSNR, SSIM, PI et qualité visuelle subjective.