التصوير في الإضاءة المنخفضة يمثل تحديًا بسبب قلة عدد الفوتونات ونسبة الإشارة إلى الضوضاء المنخفضة (SNR). تتأثر الصور ذات التعرض القصير بالضوضاء، بينما يمكن أن يتسبب التعرض الطويل في حدوث تشويش وهو غالبًا غير عملي. تم اقتراح مجموعة متنوعة من تقنيات إزالة الضوضاء وإزالة التشويش والتحسين، ولكن فعاليتها محدودة في الظروف القاسية مثل تصوير الفيديو ليلاً بمعدل الإطارات المعتاد. لدعم تطوير خطوط العمل المستندة إلى التعلم للمعالجة في الإضاءة المنخفضة، نقدم مجموعة بيانات تتكون من صور خام ذات تعرض قصير في الإضاءة المنخفضة، مع الصور المرجعية ذات تعرض طويل المقابلة لها. باستخدام هذه المجموعة من البيانات، نطور خط أنابيب لمعالجة الصور في الإضاءة المنخفضة، يستند على تدريب شامل لشبكة كونفولوشنية كاملة (fully-convolutional network). تعمل الشبكة مباشرة على بيانات المستشعر الخام وتستبدل جزءًا كبيرًا من خط المعالجة التقليدي للصور، الذي يميل إلى الأداء السيئ عند التعامل مع هذه البيانات. نبلغ عن نتائج واعدة على المجموعة الجديدة من البيانات، نحلل العوامل التي تؤثر على الأداء، ونبين الفرص المتاحة للعمل المستقبلي. يمكن مشاهدة النتائج في الفيديو الملحق الموجود على الرابط: https://youtu.be/qWKUFK7MWvg