本稿では、低輝度画像強調（Low-Light Image Enhancement: LLIE）のための新しい軽量トランスフォーマーベースモデルであるLYT-Netを紹介します。LYT-Netは、複数の層と取り外し可能なブロックから構成されており、その中には我々が開発した新しいブロックであるチャネルワイズノイズ除去ブロック（Channel-Wise Denoiser: CWD）とマルチステージスクリーズ&エキサイトフュージョン（Multi-Stage Squeeze & Excite Fusion: MSEF）、そして従来のトランスフォーマーブロックであるマルチヘッドセルフィーアテンション（Multi-Headed Self-Attention: MHSA）が含まれています。当手法では、クロマニティチャンネルUとV、およびルミナンスチャンネルYを別々のエンティティとして扱うデュアルパスアプローチを採用しています。これにより、モデルが照度調整や腐敗修復をより効果的に処理できるようになります。確立されたLLIEデータセットにおける包括的な評価結果は、当モデルが低複雑性にもかかわらず最近のLLIE手法を上回ることを示しています。ソースコードおよび事前学習済みモデルは、https://github.com/albrateanu/LYT-Net で公開されています。