Este documento propone una Red de Desempañado de Imágenes Dinámica de Multiatención (DMADN) para desempañar imágenes individuales. La red propuesta consta de dos componentes clave, el módulo de Atención de Características Dinámicas (DFA) y el módulo de Fusión de Características Adaptativas (AFF). El módulo DFA proporciona pesos por píxel y pesos por canal para las características de entrada, considerando que la distribución de la neblina siempre es desigual en una imagen degenerada y que el valor en cada canal es diferente. Proponemos un módulo AFF basado en la operación de mezcla adaptativa para restaurar la información espacial faltante de las capas de alta resolución. La mayoría de los trabajos anteriores se han centrado en aumentar la escala del modelo para mejorar el rendimiento del desempañado, lo que dificulta su aplicación en dispositivos periféricos. Introducimos el aprendizaje contrastivo en nuestro proceso de entrenamiento, que aprovecha tanto muestras positivas como negativas para optimizar nuestra red. La estrategia de aprendizaje contrastivo podría mejorar efectivamente la calidad de la salida sin aumentar la complejidad del modelo y el tiempo de inferencia en la fase de pruebas. Los extensos resultados experimentales en imágenes nebulosas sintéticas y del mundo real demuestran que DMADN logra un rendimiento de desempañado de vanguardia con un número competitivo de parámetros.