这封信介绍了LYT-Net，一种用于低光照图像增强（LLIE）的新型轻量级基于 Transformer 的模型。LYT-Net由多个层和可拆卸模块组成，包括我们新提出的模块——通道级去噪器（Channel-Wise Denoiser, CWD）和多阶段挤压与激励融合（Multi-Stage Squeeze & Excite Fusion, MSEF），以及传统的 Transformer 模块，即多头自注意力机制（Multi-Headed Self-Attention, MHSA）。在我们的方法中，采用了双路径策略，将色度通道U和V及亮度通道Y作为独立实体处理，以帮助模型更好地进行光照调整和噪声恢复。我们在已建立的LLIE数据集上进行了全面评估，结果表明尽管该模型复杂度较低，但其性能优于近期的LLIE方法。源代码和预训练模型可在https://github.com/albrateanu/LYT-Net 获取。