異なる照明条件（昼間と夜間の画像など）における画像検索は、手作業による前処理と学習済みの前処理によって対処されます。畳み込みニューラルネットワークにより画像記述子を抽出する前に、画像は光度的に正規化され、記述子の照明変化に対する感度を低下させるために使用されます。本研究では、U-Netアーキテクチャに基づく学習可能な正規化手法を提案します。この手法は、単一カメラ多露出画像と新たに構築された昼間および夜間のランドマーク類似ビューのコレクションを組み合わせて訓練されます。実験結果から、局所ヒストグラム均一化に基づく手作業による正規化と学習可能な正規化が、異なる照明条件において標準的な手法を上回ることが示されました。また、OxfordやParisデータセットなどの昼光照明ベンチマークにおいても最先端の方法と同等の性能を維持しています。