تحسين الصور في الإضاءة المنخفضة (LLIE) يدرس كيفية تحسين الإضاءة وإنتاج صور بظروف إضاءة طبيعية. تعتمد معظم الطرق الحالية على تحسين الصور ذات الإضاءة المنخفضة بطريقة عالمية ومنتظمة، دون أخذ المعلومات الدلالية للمناطق المختلفة بعين الاعتبار. وبغياب المعرفة الدلالية، قد ينحرف النموذج بسهولة عن اللون الأصلي لمنطقة معينة. لمعالجة هذه المشكلة، نقترح إطارًا جديدًا يعتمد على المعرفة المُدركة للدلالات (SKF) يمكنه مساعدة نموذج تحسين الصور في الإضاءة المنخفضة على تعلم معرفة غنية ومتنوعة مُختزنة في نموذج التصنيف الدلالي. نركز على دمج المعرفة الدلالية من ثلاث جوانب رئيسية: وحدة تضمين مُدركة للدلالات التي تدمج بذكاء المعرفة الدلالية في فضاء تمثيل الميزات، ووظيفة خسارة توزيع الألوان المُوجهة دلاليًا التي تحافظ على اتساق الألوان بين الكيانات المختلفة، ووظيفة خسارة مكافحة مُوجهة دلاليًا تُنتج نسيجًا أكثر طبيعية باستخدام المعرفة الدلالية. يتميز إطارنا SKF بأنه إطار عام فعّال في مهام تحسين الصور في الإضاءة المنخفضة. تُظهر التجارب الواسعة أن النماذج المزودة بـ SKF تتفوق بشكل ملحوظ على النماذج الأساسية على عدة مجموعات بيانات، كما أن SKF يتمتع بقدرة عالية على التعميم على نماذج مختلفة ومشاهد متعددة. يمكن الوصول إلى الكود من خلال الرابط: Semantic-Aware-Low-Light-Image-Enhancement.