낮은 조도 환경에서 촬영된 이미지에서 밝기 저하, 대비 저하 및 시각적 품질 저하 문제를 해결하기 위해 크로스 레벨 특징 적응 융합을 이용한 저조도 이미지 향상 알고리즘을 제안한다. 이 알고리즘은 먼저 계층적 샘플링과 광역 컨볼루션을 결합하여 네트워크 전단을 구성하고, 넓은 수용 영역을 가진 다중 스케일 특징을 생성하여 저수준 정보를 충분히 추출한다. 그 다음 다중 헤드 전치 주의 모듈을 네트워크 중간에 도입하여 채널 간 상호 공분산을 계산해 주의 맵을 생성하며 전역 문맥 정보를 암묵적으로 구축한다. 이어서 모델 수렴 방향을 수정하기 위한 결합 손실 함수를 구축해 모델이 대비와 구조 측면에서 최적화되도록 돕고 알고리즘의 견고성을 향상시킨다. 마지막으로 LOL 및 LOLv2 데이터셋에서 실험을 수행하였으며, 실험 결과 제안한 알고리즘이 피크 신호 대 잡음비(PSNR) 및 구조적 유사도(SSIM) 등 객관적 지표에서 대부분의 최신 알고리즘보다 우수하며, 주관적으로는 자연스러운 밝기와 효과적인 노이즈 및 인공물 억제를 보임을 확인하였다.

저조도 이미지;광역 컨볼루션;다중 스케일;다중 헤드 전치 주의;결합 손실 함수