パンシャープニングの目的は、マルチスペクトル（MS）画像と関連するパナクロマティック（PAN）画像を融合し、前者のスペクトル解像度と後者の空間解像度を持つ複合画像を生成することである。従来のパンシャープニング手法は、統一された詳細注入コンテキストに帰属させることができ、このコンテキストでは、注入されるMS詳細がPAN詳細とバンドごとの注入ゲインの統合として捉えられる。本研究では、詳細注入に基づくCNN（DiCNN）フレームワークを設計し、パンシャープニングに適用した。ここで、MS詳細はエンドツーエンドで直接定式化され、最初の詳細注入に基づくCNN（DiCNN1）はPAN画像とMS画像からMS詳細を抽出し、2つ目のCNN（DiCNN2）はPAN画像のみを使用する。提案されたDiCNNの主な利点は、明確な物理的な解釈を提供できることと、高速収束を達成しながら高いパンシャープニング品質を得られることである。さらに、提案手法の有効性は理論的な観点からも分析されている。我々の方法は実際のMS画像データセットを用いた実験により評価され、他の最先端手法と比較して優れた性能を示している。