apple 与普渡大学的研究团队联合推出了一项名为 darkdiff 的前沿影像技术，专为攻克智能手机在极低光照条件下成像质量差——如噪点密集、纹理丢失、细节模糊等难题而生。该方案创造性地将生成式扩散模型深度集成至相机的图像信号处理（isp）链路中，使移动设备在近乎全黑的场景下也能输出清晰、真实、富含细节的照片。
目前主流的夜景模式多依赖拍摄完成后的算法降噪，但这类后处理方式容易造成画面失真，例如出现类似油画笔触的伪影或大面积细节被“抹平”的现象。DarkDiff 的核心突破在于：AI 不再仅作为后期补救工具，而是从图像形成的源头介入——在原始传感器数据尚未被传统 ISP 流程大幅压缩或丢弃前，就已开始建模与重建。它通过大规模真实暗光图像训练，精准推断并复原因信噪比过低而未能被捕获的微小纹理与自然色彩。为避免生成内容偏离物理现实，研究者还设计了局部斑块注意力模块，强制模型聚焦于图像局部结构一致性，杜绝无依据的“脑补”式渲染。
实测环节中，团队采用索尼 A7SII 相机模拟极端弱光环境，在仅 0.033 秒的超短曝光下启用 DarkDiff，所获成片不仅结构完整、层次丰富，其综合画质甚至可比肩使用三脚架固定拍摄、曝光时长达 10 秒（即原曝光时间的 300 倍）的基准图像。
将 iPhone 的 Apple Health 数据同步到 OpenClaw。只需扫描一次二维码，无需手动配置。支持 Mac、Linux 和 VPS。
尽管性能惊艳，DarkDiff 距离搭载于 iPhone 等消费级设备仍有现实障碍。一方面，扩散模型本身计算密度高，实时运行对芯片算力与功耗控制提出严峻挑战，短期内或需借助边缘云协同推理；另一方面，当前版本在弱光条件下识别非拉丁语系文字（如中文、阿拉伯文等）的准确率仍有待提升。苹果官方尚未公布该技术的量产时间表。
源码地址：点击下载
