لقد سادت الطرق القائمة على المعايرة الصريحة في تنقية الصور الخام في البيئات ذات الإضاءة المنخفضة جدًا. ومع ذلك، تواجه هذه الطرق عدة قيود جوهرية: أ) إن عملية المعايرة الصريحة تستهلك وقتًا وجهدًا كبيرين، ب) توجد صعوبات في نقل نماذج التنقية بين نماذج كاميرات مختلفة، ج) تتفاقم الفجوة بين الضوضاء الاصطناعية والواقعية بسبب التضخيم الرقمي. ولحل هذه المشكلات، نقدّم نموذجًا ثوريًا يُسمى "إضاءة كل ظلام" (Lighting Every Darkness - LED)، والذي يُظهر فعاليته بغض النظر عن مستوى التضخيم الرقمي أو نوع مستشعر الكاميرا. يُلغِي LED الحاجة إلى معايرة نموذج الضوضاء الصريحة، بل يعتمد على عملية تحسين ضمنية (implicit fine-tuning) تُمكّن من النشر السريع وتتطلب كمية ضئيلة من البيانات. كما تضم الطريقة تعديلات هيكلية تقلل من الفرق بين الضوضاء الاصطناعية والواقعية دون إضافة أي تكاليف حوسبة إضافية. تتفوّق طريقة LED على الطرق الحالية في مختلف نماذج الكاميرات، بما في ذلك النماذج الجديدة التي لا توجد في مجموعات البيانات العامة، باستخدام بضع أزواج فقط لكل مستوى تضخيم رقمي، وبمجرد 0.5% من عدد التكرارات المعتاد. علاوة على ذلك، يتيح LED للباحثين التركيز أكثر على التطورات في التعلم العميق، مع الاستفادة في الوقت نفسه من مزايا هندسة المستشعر. يمكن العثور على الكود والمواد المرتبطة به عبر الرابط التالي: https://srameo.github.io/projects/led-iccv23/.