La pansharpening es una tarea específica del dominio del procesamiento de imágenes satelitales, que tiene como objetivo fusionar una imagen multiespectral con una panchromática correspondiente para mejorar la resolución espacial de la imagen multiespectral. La mayoría de los métodos tradicionales existentes fusionan imágenes multiespectrales y panchromáticas de manera lineal, lo que restringe en gran medida la precisión de la fusión. En este documento, proponemos una red de inferencia altamente eficiente para hacer frente al pansharpening, que rompe la limitación lineal de los métodos tradicionales. En la red, adoptamos un bloque multilevel dilatado acoplado con una conexión de salto para realizar una compensación local y general. Al utilizar el bloque multilevel dilatado, el modelo propuesto puede aprovechar al máximo las características extraídas y ampliar el campo receptivo sin introducir una carga computacional adicional. Los resultados experimentales revelan que nuestra red tiende a inducir un rendimiento de pansharpening competitivo e incluso superior en comparación con modelos más profundos. Dado que nuestra red es poco profunda y está entrenada con varias técnicas para prevenir el sobreajuste, nuestro modelo es robusto a las inconsistencias entre diferentes satélites.