Las redes neuronales convolucionales y la función de pérdida por píxel han demostrado su potencial para ser la mejor combinación para mejorar imágenes severamente degradadas. Sin embargo, aún existen desafíos, como la gran cantidad de parámetros que requieren una memoria prohibitiva y vastos recursos de computación y almacenamiento, así como un entrenamiento y pruebas que consumen mucho tiempo. Además, la pérdida por píxel medida por el Pico de Relación Señal a Ruido no se correlaciona bien con la percepción humana de la calidad de la imagen, ya que simplemente no captura las características intrincadas de los sistemas visuales humanos.