본 연구에서는 입력 이미지를 시각적으로 더 우수한 품질의 이미지로 변환하는 일반적인 딥러닝 기반 이미지 향상 문제를 다룹니다. 최근의 이미지 향상 방법들은 스타일 전송과 이미지 복원 작업을 통해 이 문제를 접근해 왔습니다. 이러한 방법들은 주로 데이터 기반 학습 방식과 학습 데이터에 의존하지 않는 딥 내부 학습(Deep Internal Learning) 방식으로 구분됩니다. 본 연구는 딥 내부 학습 프레임워크 내에서 이미지 향상을 수행합니다. 제안된 ‘이미지 향상을 위한 딥 내부 학습(Deep Internal Learning for Image Enhancement)’ 프레임워크는 콘텐츠 특성과 스타일 특성을 동시에 향상시키며, 향상된 이미지의 문맥(Context)을 보존하기 위해 문맥 기반 콘텐츠 손실(Contextual Content Loss)을 활용합니다. 본 연구는 안개 낀 이미지(Hazy Image)와 노이즈가 있는 이미지의 향상 결과를 모두 보여줍니다. 검증 과정에서는 구조 유사도(Structure Similarity)와 이미지 내 비현실적인 변형(Unrealistic Deformation)을 측정하는 데 효과적인 지각적 오류(Perceptual Error) 지표를 사용합니다. 실험 결과, 제안된 프레임워크가 이미지 향상 분야에서 최신(SOTA) 관련 연구들보다 우수한 성능을 보이는 것을 입증했습니다.