反射重畳現象は複雑であり、実世界で広く見られるため、この問題の様々な簡略化された線形および非線形の式が導き出されています。本論文では、既存モデルの弱点を調査し、学習可能な残差項を導入することで、より一般的な重畳モデルの形式を提案します。これにより、分解中に残される情報（residual information）を効果的に捉え、分離された層が完全になるようにガイドすることができます。その利点を十分に活用するため、我々はネットワーク構造を精巧に設計しました。具体的には、新しい双方向相互作用機構と意味的ピラミッドエンコーダーを持つ強力な分解ネットワークを含んでいます。多数の実世界ベンチマークデータセット上で、我々の手法が最先端アプローチに対して優れていることを確認するために、広範な実験と削減研究（ablation studies）を行いました。我々のコードは公開されており、https://github.com/mingcv/DSRNet からダウンロードできます。