إن مهمة إعادة ضبط إعدادات الإضاءة في صورة لتتوافق مع تكوين مستهدف تُعرف بـ"إعادة الإضاءة" (Relighting). تمتلك تقنيات إعادة الإضاءة تطبيقات محتملة في التصوير الرقمي، وصناعة الألعاب، والواقع المعزز. في هذه الورقة، نتناول مشكلة إعادة الإضاءة ذات-to-one، حيث يتم التنبؤ بصورة بمجموعة إضاءة مستهدفة بالاعتماد على صورة مدخلة بظروف إضاءة محددة. ولتحقيق ذلك، نقترح شبكة جديدة تُسمى WDRN (Wavelet Decomposed RelightNet)، وهي شبكة مشفرة-فكّر مبتكرة تعتمد على تحليل موجات (Wavelet-based decomposition) متبوعًا بطبقات تصفية (Convolution layers) ضمن إطار عمل متعدد المعايير (Multi-resolution framework). كما نقترح دالة خسارة جديدة تُسمى "دالة الرمادي" (Gray Loss)، التي تضمن تعلمًا فعّالًا للدرجات التفاضلية للإضاءة في اتجاهات مختلفة من الصورة الحقيقية (Ground Truth)، مما يؤدي إلى صور مُعاد إضاءتها ذات جودة بصرية متفوقة. وقد حصل الحل المقترح على المركز الأول في مسابقة إعادة الإضاءة ضمن فعالية "مُتقدمات في معالجة الصور" (Advances in Image Manipulation - AIM) 2020، مما يثبت فعاليته، حيث تم قياس الأداء باستخدام متوسط درجة إدراكية (Mean Perceptual Score)، والتي تُقاس بدورها باستخدام مؤشر SSIM (Structural Similarity Index) ومؤشر تشابه الصورة الجزئية البصري المُتعلّم (Learned Perceptual Image Patch Similarity).