智能手機在極端低光環境下的拍攝難題，或將因一項名為DarkDiff的新技術迎來突破。蘋果公司與普渡大學聯合研發的這項技術，通過將生成式擴散模型深度整合至相機圖像信號處理（ISP）流程，實現了暗光場景下細節與色彩的精準還原，為移動攝影領域開辟了全新路徑。

傳統夜景模式依賴后期算法降噪的弊端已長期困擾用戶。這類方法雖能抑制噪點，卻常導致畫面呈現油畫般的虛假質感，或因過度平滑處理丟失關鍵紋理。DarkDiff的創新性在于跳過“后期修飾”環節，讓AI直接參與圖像生成的底層階段。通過分析海量影像數據，該技術可智能預測暗光條件下傳感器丟失的細節信息，并精準復原原始色彩。為避免AI生成不真實內容，研究團隊引入局部斑塊注意力機制，確保每一處細節均符合物理場景的客觀結構。

實驗數據驗證了技術的突破性。在模擬極暗環境的測試中，研究人員使用索尼A7SIII相機以0.033秒的極短曝光拍攝，經DarkDiff處理后的圖像質量，竟可媲美使用三腳架固定進行300倍時長曝光的參考照片。這種“瞬間捕捉”與“長時間曝光”的等效效果，徹底顛覆了傳統認知，為手機攝影在暗光場景的應用提供了全新可能。

盡管技術前景廣闊，但其商業化落地仍面臨多重挑戰。擴散模型對算力的極高需求，導致當前方案在移動端運行時耗電量顯著增加，未來或需借助云端處理降低終端負擔。模型在識別弱光環境下的非英語文字時，仍存在準確率不足的問題。蘋果公司尚未公布具體商用時間表，但該技術的出現已為移動攝影的AI化進程注入強勁動力。