画像の照明設定をある目標設定に再調整するタスクは「リライト（relighting）」と呼ばれる。リライト技術はデジタル写真、ゲーム業界、拡張現実（AR）など多岐にわたる分野で応用可能な可能性を有している。本論文では、特定の照明条件下にある入力画像から、目標照明設定を持つ画像を予測する「1対1リライト」問題に着目する。これを実現するために、ウェーブレット分解を用いた新しいエンコーダ・デコーダ型ネットワークであるWDRN（Wavelet Decomposed RelightNet）を提案する。WDRNは、マルチスケールフレームワーク下でウェーブレットに基づく分解を実施し、その後に畳み込み層を配置することで、多スケールな特徴表現を効果的に捉える。さらに、真の画像における照明勾配を異なる方向に沿って効率的に学習できるよう設計された新しい損失関数「グレイ損失（gray loss）」を提案する。この損失関数により、視覚的に優れたリライト画像の生成が可能となる。提案手法は、2020年に開催された「画像操作の進展（Advances in Image Manipulation, AIM）」ワークショップにおけるリライトチャレンジで1位を獲得し、SSIMおよび学習型視覚的画像パッチ類似性（Learned Perceptual Image Patch Similarity, LPIPS）を用いて評価された平均知覚スコア（Mean Perceptual Score）においてその有効性が実証された。