La prise de vue en faible luminosité demeure un défi technique majeur pour les smartphones. Un projet de recherche mené par Apple en collaboration avec une université américaine explore une méthode différente. L’IA est intégrée dès le traitement des données issues du capteur. Cette approche expérimentale vise à améliorer la restitution des détails, du bruit et des couleurs dans l’obscurité.
Apple a récemment enregistré un brevet visant à renforcer la qualité des photos prises en environnement sombre. La technologie décrite repose sur la fusion de données issues de plusieurs capteurs pour réduire le bruit numérique et améliorer la netteté des images nocturnes sur les futurs iPhone. La photographie mobile a atteint un stade où les limites physiques des capteurs imposent une collaboration étroite entre le matériel et des algorithmes avancés. Malgré les progrès du mode nuit, les clichés manquent encore de précision lorsque la lumière est insuffisante. Le document publié évoque une approche globale combinant différents types d’optiques et des traitements numériques pour corriger durablement ces défauts persistants.
Une nouvelle méthode de traitement des images en basse lumière
La photographie nocturne sur smartphone reste limitée par des contraintes physiques liées aux capteurs, malgré les avancées logicielles. Lorsque la luminosité diminue, le bruit numérique augmente et la restitution des détails devient plus complexe, restreignant la qualité globale des clichés. Comme dans le passage du salaire brut net, chaque étape de transformation influe directement sur le résultat affiché.
Apple et l’université Purdue travaillent sur un projet de recherche baptisé DarkDiff. Selon un document académique publié par la Cornell University, cette technologie se distingue par son intégration directe au cœur du pipeline du capteur. Cela ne s’effectue pas en post-traitement comme les solutions actuelles.
Cette approche repose sur l’exploitation des données brutes issues du capteur, avant toute compression ou modification liée aux traitements classiques. Le but est de préserver un maximum d’informations dès la capture, afin d’améliorer la qualité finale de l’image.
Le fonctionnement s’articule autour de deux étapes principales :
- – Application des traitements standards par le processeur d’image ;
- – Intervention du modèle DarkDiff, dérivé de Stable Diffusion.
Des performances prometteuses, mais encore difficiles à industrialiser
Les résultats présentés dans l’étude montrent des améliorations notables par rapport aux solutions existantes. Les tests ont été réalisés dans des conditions d’obscurité extrême. Ils sont faits à partir de clichés capturés avec un appareil Sony A7SII et des temps d’exposition très courts, d’environ 0,033 seconde. À l’instar du calcul du salaire brut net, chaque étape intermédiaire joue un rôle déterminant dans l’écart observé entre la capture brute et l’image finale.
Ces images ont été comparées à des photos de référence prises avec des expositions jusqu’à 300 fois plus longues. Selon les chercheurs, DarkDiff permet d’obtenir :
- – Plus de détails ;
- – Un bruit numérique fortement réduit ;
- – Une meilleure fidélité des couleurs (y compris face à d’autres modèles de diffusion).
Le système intègre également une technique nommée « Classifier-Free Guidance », présentant un réglage précis du niveau d’intervention de l’IA. Ce mécanisme sert à trouver un équilibre entre amélioration de la netteté et limitation des artefacts visuels.
Malgré ces performances, l’intégration d’une telle technologie dans un smartphone, et notamment dans l’iPhone, reste complexe. Les besoins en calcul et la consommation énergétique associés à DarkDiff sont actuellement trop élevés pour un usage mobile.
L’hypothèse d’un traitement via le cloud est évoquée, mais elle pose des questions liées à la confidentialité des données. D’autres limites subsistent, notamment la reconstruction imparfaite de textes ou de motifs complexes en très faible luminosité.
À ce stade, aucune annonce ne confirme une arrivée prochaine de DarkDiff sur les iPhone. Toutefois, ces travaux illustrent les pistes explorées par Apple dans le domaine de l’IA appliquée à la photographie.
