IT之家 12 月 20 日消息，科技媒體 9to5Mac 今天（12 月 20 日）發布博文，報道稱蘋果攜手普渡大學，為徹底解決極低光照環境下的拍攝難題，聯合開發了一項名為 DarkDiff 的全新 AI 技術。

IT之家援引博文介紹，在極低光照條件下，手機拍攝的照片往往充滿噪點。為了掩蓋這些噪點，傳統算法通常會進行過度平滑處理，導致照片丟失細節，呈現出類似“油畫”的涂抹感。

蘋果與普渡大學的研究團隊為解決這一頑疾，推出了一種名為“DarkDiff”的新型 AI 模型。該研究并未沿用傳統的后期修圖思路，而是開創性地將預訓練的生成式擴散模型“重新指派”給相機的圖像信號處理（ISP）流程，從源頭提升畫質。

DarkDiff 的核心創新在于介入時機，不同于在成像后才進行 AI 修補，DarkDiff 在相機 ISP 處理原始傳感器數據（Raw Data）的早期階段就已介入。

ISP 負責白平衡和去馬賽克等基礎處理，生成線性 RGB 圖像后，DarkDiff 隨即接手進行降噪和細節生成。這種深度集成，讓 AI 能夠理解照片在黑暗區域應有的紋理細節，而非簡單地模糊像素。

生成式 AI 常因“幻覺”問題而篡改畫面內容（如無中生有地生成物體）。為防止此類情況，DarkDiff 引入了“局部圖像塊注意力機制”。

該機制強制模型關注圖像的局部結構，確保 AI 在增強細節的同時，嚴格忠實于原始場景。此外，研究人員還使用了“無分類器引導”技術，通過調節引導強度，在平滑度與銳利度之間找到最佳平衡，避免生成偽影。

研究人員為了驗證效果，使用了索尼 A7SII 相機在極暗環境下拍攝測試樣本，曝光時間短至 0.033 秒。將 DarkDiff 處理后的圖像與使用三腳架長曝光（時長為測試圖 300 倍）拍攝的參考圖進行對比，結果顯示 DarkDiff 在色彩還原和細節清晰度上均優于現有的 Raw 增強模型。

盡管效果驚人，但 DarkDiff 距離量產仍有距離。研究人員坦言，該技術的處理速度遠慢于傳統算法，且巨大的算力需求若在手機本地運行將極快耗盡電池，未來可能需要依托云端處理。

此外，模型在識別低光場景下的非英文文本時仍存在局限，該研究目前更多展示了蘋果在計算攝影領域的探索方向，短期內未必會直接裝載于新款 iPhone。