疯狂赛马手游
12.08 MB · 2025-12-20
12 月 20 日消息，科技媒体 9to5Mac 今天（12 月 20 日）发布博文，报道称苹果携手普渡大学，为彻底解决极低光照环境下的拍摄难题，联合开发了一项名为 DarkDiff 的全新 AI 技术。
援引博文介绍，在极低光照条件下，手机拍摄的照片往往充满噪点。为了掩盖这些噪点，传统算法通常会进行过度平滑处理，导致照片丢失细节，呈现出类似“油画”的涂抹感。
苹果与普渡大学的研究团队为解决这一顽疾，推出了一种名为“DarkDiff”的新型 AI 模型。该研究并未沿用传统的后期修图思路，而是开创性地将预训练的生成式扩散模型“重新指派”给相机的图像信号处理（ISP）流程，从源头提升画质。
DarkDiff 的核心创新在于介入时机，不同于在成像后才进行 AI 修补，DarkDiff 在相机 ISP 处理原始传感器数据（Raw Data）的早期阶段就已介入。
ISP 负责白平衡和去马赛克等基础处理，生成线性 RGB 图像后，DarkDiff 随即接手进行降噪和细节生成。这种深度集成，让 AI 能够理解照片在黑暗区域应有的纹理细节，而非简单地模糊像素。
生成式 AI 常因“幻觉”问题而篡改画面内容（如无中生有地生成物体）。为防止此类情况，DarkDiff 引入了“局部图像块注意力机制”。
该机制强制模型关注图像的局部结构，确保 AI 在增强细节的同时，严格忠实于原始场景。此外，研究人员还使用了“无分类器引导”技术，通过调节引导强度，在平滑度与锐利度之间找到最佳平衡，避免生成伪影。
研究人员为了验证效果，使用了索尼 A7SII 相机在极暗环境下拍摄测试样本，曝光时间短至 0.033 秒。将 DarkDiff 处理后的图像与使用三脚架长曝光（时长为测试图 300 倍）拍摄的参考图进行对比，结果显示 DarkDiff 在色彩还原和细节清晰度上均优于现有的 Raw 增强模型。
尽管效果惊人，但 DarkDiff 距离量产仍有距离。研究人员坦言，该技术的处理速度远慢于传统算法，且巨大的算力需求若在手机本地运行将极快耗尽电池，未来可能需要依托云端处理。
此外，模型在识别低光场景下的非英文文本时仍存在局限，该研究目前更多展示了苹果在计算摄影领域的探索方向，短期内未必会直接装载于新款 iPhone。
参考
DarkDiff: Advancing Low-Light Raw Enhancement by Retasking Diffusion Models for Camera ISP
