본 연구에서는 2D-CNN을 응용 및 활용한 인공지능 모델과 저조도 향상 생성적 적대 네트워크를 활용한 저조도 환경에서의 심박수 추정 향상 방안을 제안한다. SARS, COVID-19와 같은 팬데믹 동안 원격 건강 및 원격 건강 모니터링이 점점 더 중요해졌고, 의료 분야에 지속적인 영향을 미칠 것이라 널리 예상되고 있다. 카메라 기반 생리학적 정보 측정은 최신 성능을 제공하는 신경 모델과 함께 성장하고 있다. 카메라 기반 생리학적 정보 측정을 하기 위해서는 일정량의 빛이 필요하며 측정 대상자의 움직임은 제한되어 있다. 본 연구에서 활용한 심박수 데이터셋인 UBFC-rPPG, PURE 데이터셋도 위와 같은 환경에서 심박수를 측정하였다. 하지만 카메라를 활용한 생리학적 정보를 측정할 실제 환경에서는 이러한 조건이 갖춰지기 힘들 수 있다. 본 연구에서는 저조도 환경에서 심박수 추정을 향상시키는 방법과 심박수 추정 모델인 TS-CAN의 성능을 향상시킨 방법을 제시한다. 첫 번째 방법은 저조도 환경에서 심박수 추정 향상을 위해 저조도 향상 생성적 적대 신경망을 활용한다. 두 번째 방법은 TSCAN 모델의 Attention mask에 변화를 주는 것이다. 실험 결과, 본 연구에서 제안하는 저조도 향상 생성적 적대 신경망을 활용한 심박수 추정은 저조도 환경에서의 심박수 추정에 있어서 효과적임이 확인되었다. 또한, TS-CAN 모델의 Attention mask 수정을 통해 심박수 추정 성능을 향상시켰다.