Numerosos métodos de desempañado de imágenes existentes basados en el aprendizaje mejoran su rendimiento al aumentar la profundidad o anchura, el tamaño del núcleo de convolución, o al usar la estructura Transformer. Sin embargo, esto introducirá inevitablemente muchos parámetros y aumentará la carga computacional. Por lo tanto, proponemos un marco de desempañado ligero: Dehaze-UNet, que tiene un excelente rendimiento de desempañado y una carga computacional muy baja para ser adecuado para su implementación en terminales.