لتحسين الصور ذات الإضاءة المنخفضة إلى صور مُعرضة بشكل طبيعي يُعد أمرًا غير مُحدَّد جيدًا، أي أن العلاقة التحويلية بينهما هي علاقة واحد إلى كثير. فالمُنجزات السابقة القائمة على خسائر إعادة بناء حسب البكسل والعمليات المحددة لم تتمكن من التقاط التوزيع الشرطي المعقد للصور المُعرضة بشكل طبيعي، مما يؤدي إلى إضاءة غير مناسبة، وضجيج متبقي، وتشوهات. في هذه الورقة، نستكشف نمذجة هذه العلاقة الواحدة إلى كثير من خلال نموذج تدفق معياري مُقترح. حيث يعتمد على شبكة قابلة للعكس، تأخذ الصور/الميزات ذات الإضاءة المنخفضة كشرط، وتعلم تحويل توزيع الصور المُعرضة بشكل طبيعي إلى توزيع طبيعي (غاوسي). وبهذا، يمكن نمذجة التوزيع الشرطي للصور المُعرضة بشكل طبيعي بشكل جيد، كما أن عملية التحسين، أي الاتجاه العكسي للشبكة القابلة للعكس، تكافئ التقييد بدالة خسارة تصف بشكل أفضل هيكل المانيفولد للصور الطبيعية أثناء التدريب. أظهرت النتائج التجريبية على مجموعات بيانات المعايير الحالية تفوق طريقتنا من حيث النتائج الكمية والكيفية، حيث تم تحقيق إضاءة أكثر توازنًا، وضجيجًا وأخطاء أقل، وألوانًا أكثر غنىً.