본 논문에서는 디지털 이미지의 품질을 향상시킬 수 있는 자동 저조도 이미지 강화 기법인 TreEnhance를 제안한다. 이 방법은 나무 탐색 이론, 특히 몬테카를로 트리 탐색(Monte Carlo Tree Search, MCTS) 알고리즘을 딥 강화학습과 결합하여 구현한다. 입력으로 저조도 이미지를 받은 TreEnhance는 출력으로 해당 이미지의 개선된 버전과 이를 얻기 위해 사용된 이미지 편집 작업의 시퀀스를 생성한다. 학습 단계에서는 두 가지 주요 단계를 반복적으로 수행한다: 첫 번째는 MCTS의 개선된 버전이 이미지 편집 작업의 공간을 탐색하고 가장 유망한 작업 시퀀스를 선택하는 생성 단계이며, 두 번째는 강화학습 정책을 구현하는 신경망의 파라미터를 업데이트하는 최적화 단계이다.새로운 이미지에 대한 강화를 위해 두 가지 다른 추론 방식을 제안한다. 하나는 MCTS 기반으로, 더 정확하지만 시간과 메모리 사용량이 더 크다. 다른 하나는 학습된 정책을 직접 적용하는 방식으로, 더 빠르지만 약간의 정확도 손실이 발생한다. 본 연구의 또 다른 기여점은, 사진 편집자가 특정 입력 이미지에 적용한 강화 절차를 “역방향”으로 재현하는 가이드드 서치 전략을 제안한 것이다. 기존의 최신 기법들과 달리 TreEnhance는 이미지 해상도에 대한 제약을 두지 않으며, 최소한의 튜닝만으로 다양한 시나리오에 적용 가능하다. 제안한 방법은 저조도 이미지 데이터셋과 Adobe Five-K 데이터셋에서 실험하여, 정성적 및 정량적 측면에서 우수한 성능을 입증하였다.