低照度環境における画像処理は、シーンの輝度が減少し、センサーのノイズが増加、色の饱和度が低下するため、難易度が高い。従来の学習ベースの低照度強調手法は、単一の低照度条件および明るい参照下で撮影されたペアの訓練データに依存していることが多く、輝度の多様性が欠如している。本研究では、様々な照明条件下で撮影された画像から成るMulti-Illumination Low-Light（MILL）データセットを導入し、異なる照度条件下での強調アルゴリズムの包括的な評価を可能にする。最先端の手法をベンチマークし、照度レベル間で大きな性能差異があることを明らかにした。また、このデータセットの特異な構造を活用し、さまざまな照明シナリオにおけるロバスト性を向上させる改良を提案した。これにより、DSLRで最大10dBのPSNR改善を達成し、スマートフォンでは2dBの改善を実現した。