研究表明，人工智慧可以幫助照相機在燭光下進行觀察
低光攝影是模糊和噪音之間的平衡——但是如果人工智慧甚至能把分數算出來呢?來自伊利諾伊大學香檳分校和英特爾公司的研究人員已經培訓了一個程序，可以在一個單支蠟燭照明的房間里處理低噪音的圖像。通過給一個原始圖像處理器兩個相同的鏡頭，一個短曝光和一個長曝光，小組設法得到一個較少噪音的圖像和沒有奇怪的顏色轉換的替代方法提供。有了額外的研究，處理演算法可以幫助攝像頭用更少的噪音拍攝圖像而不會使用更長的快門速度。
為了訓練這群人所說的「黑暗數據集」，研究人員在有限的光線下拍攝了兩幅不同的圖像。該小組使用一個遠程應用程序來控制相機，而不需要觸碰它。該小組在10 - 30秒的時間內拍攝了一個適當曝光的長曝光圖像。然後研究人員用0.1到0.03秒的短曝光拍攝了第二張照片，這通常會創造出幾乎全是黑色的圖像。
研究人員將這一過程重複了大約5000次，其中一些使用了索尼a7S II，另一些則使用了富士X-T2，然後研究人員使用成對的圖像來訓練神經網路。這些圖像最初是通過不同的顏色通道來處理的，去掉黑色和縮小圖像的解析度。數據集還使用來自相機感測器的原始數據，而不是處理jpeg。
在原始感測器數據上使用的數據集所創建的演算法，與其他處理相機數據的方法相比，創造了更明亮的圖像，與其他處理相機數據的方法相比，比如demosaicing。由此產生的圖像也比當前的方法有更精確的白平衡。研究人員說，研究結果改進了傳統的圖像處理方法，並保證了更多的研究。
該小組建議，改進後的處理方法可以幫助智能手機在低亮度的情況下進行操作，同時還可以增強dslr和無反光鏡相機的手持鏡頭。視頻也有好處，因為在保持標準幀速率的同時，不可能長時間曝光。
雖然該程序的示例圖像令人印象深刻，但其處理僅在靜態對象上進行測試。圖像處理的速度也比當前的標準要慢——圖像的處理速度降低了0.38和0.66秒，速度太慢，無法維持當前相機的爆炸速度。該小組的數據集也是為一個特定的相機感測器設計的——如果沒有對多個感測器的數據集進行額外的研究，這個過程將不得不為每一個新的相機感測器重複。研究人員建議未來的研究可以研究這些局限性。
