本文提出了一种新颖的网络结构，利用感知偏差照明方式和完整图像建模来解决低光照图像增强问题。通过将伽马校正与深度网络相结合，能够自适应地感知偏离的照明来学习校正因子伽马。通过使用泰勒级数近似伽马校正，加速了训练和推理速度。提出了一种新颖的变压器块，通过层次化注意机制模拟跨图像像素的依赖关系，从而以高效的方式推断出暗区。实验结果表明，该方法优于现有方法。