12月20日，科技媒体9to5Mac发布消息称，苹果正与普渡大学展开合作，旨在攻克极低光照环境下的影像拍摄难题，双方已联合开发出一款名为DarkDiff的全新AI技术。

该博客文章指出，在光线严重不足的场景中，手机拍摄的照片往往会充满噪点。为了掩盖这些瑕疵，传统算法通常会进行过度平滑处理，导致画面丢失丰富的细节，呈现出一种类似“油画”般的涂抹感。

为解决这一痛点，苹果与普渡大学的研究团队推出了一款名为“DarkDiff”的新型AI模型。这项研究并未沿袭传统的后期修图思路，而是开创性地将预训练好的生成式扩散模型“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的核心创新在于其介入时机。不同于在成像完成后再进行AI修饰，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在进行白平衡和去马赛克等基础处理后，生成线性RGB图像，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常因出现“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，研究人员还采用了“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。

为了验证效果，研究人员使用了索尼A7SII相机在极暗环境下拍摄测试样本，曝光时间短至0.033秒。将经DarkDiff处理后的图像与使用三脚架长时间曝光（曝光时长为测试图的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，且庞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，该模型在识别低光场景下的非英文文本时仍存在局限。该项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