यह शोधपत्र उच्च-रिज़ॉल्यूशन पैनक्रोमैटिक (PAN) छवियों को निम्न-रिज़ॉल्यूशन मल्टीस्पेक्ट्रल (MS) छवियों के साथ संयोजित करके उच्च-रिज़ॉल्यूशन वाली फ़्यूज़्ड छवि बनाने की पैनशार्पनिंग समस्या के समाधान हेतु, एक नवीन CNN-आधारित आर्किटेक्चर, RAPNet का प्रस्ताव करता है। RAPNet, रिसेप्टिव-फ़ील्ड अडैप्टिव पैनशार्पनिंग कन्वोल्यूशन (RAPConv) का उपयोग करके, कंटेंट-एडैप्टिव कन्वोल्यूशन करता है, जो स्थानिक स्थिति के अनुसार रिसेप्टिव फ़ील्ड के आकार को समायोजित करता है। इसके अलावा, यह एक पैनशार्पनिंग डायनेमिक फ़ीचर फ़्यूज़न (PAN-DFF) मॉड्यूल का उपयोग करता है जो स्थानिक विवरण वृद्धि और स्पेक्ट्रल फ़िडेलिटी के बीच ट्रेड-ऑफ़ को अनुकूलित करने के लिए एक अटेंशन मैकेनिज़्म को एकीकृत करता है। सार्वजनिक डेटासेट का उपयोग करके प्राप्त प्रायोगिक परिणाम दर्शाते हैं कि RAPNet मात्रात्मक और गुणात्मक दोनों मूल्यांकनों में मौजूदा विधियों से बेहतर प्रदर्शन करता है, और प्रस्तावित अनुकूली घटकों की प्रभावशीलता को एब्लेशन अध्ययनों के माध्यम से और अधिक मान्य किया गया है।
