即使在良好的光线下，酒杯的小瑕疵或是隐形眼镜上的折痕，都很难识别，在几乎全黑的环境下，像这种透明的特征或是物体，在图像中几乎是不可能看得到，但是现在麻省理工学院的研究团队用深度学习技术，让在黑暗中“看不见”的物体现形的技术，研究人员训练了一套深度学习模型，来识别超过1万个透明的刻痕，在光源极低的图像中，重建出透明的物体。
MIT研究团队收集了10,000个集成电路（integrated circuit），每个都刻上了复杂且不同样式的水平和垂直痕迹，当用人眼看的时候，看不太出来，但是其实这些细微且浅的特征仍会对光产生影响，研究团队在低光照的场景中拍摄这10,000个IC的图像，用这些图像来训练深度学习模型，教导该系统重建透明且模糊的物体。训练完模型后，研究团队通过模型不曾处理过的图片，来验证模型的准确度，经过深度学习模型的识别，都能够正确的重建透明的图片。
MIT表示，研究结果可用于生物组织和细胞的识别，由于在实验室中，若用光线照射生物细胞，细胞就会被烧毁，在生物学研究方面，该技术能够尽可能减少对样本的伤害，除此之外，对于医学成像也有助益，可以通过该技术降低患者暴露于辐射的量。