低照度視覚は、照明の劣化によりコンピュータビジョンの根本的な課題となっており、物体検出やセグメンテーションなどの下流タスクのパフォーマンスに大きな影響を与えています。最近の最先端技術である不変特徴学習モジュールはパフォーマンスを向上させているものの、低照度条件の完全なモデリングには至っていません。本研究では、古典的なランバートモデルを拡張し、周波数領域への分析の転換により、照明に不変な特徴を抽出する方法を提案します。新しいエンドツーエンドトレーニング可能なモジュールFRBNetを提案し、周波数領域チャンネル比操作と学習可能なフィルターを統合しています。このモジュールは既存のネットワークにプラグアンドプレイで統合可能であり、様々な下流タスクにおいて優れた性能を示す実験結果も得られています。