使用场景

在电影制作中，用于创建逼真的3D场景照明效果

在虚拟现实和游戏开发中，用于增强虚拟环境的视觉效果

在建筑可视化中，用于模拟不同光照条件下的建筑外观

产品特色

利用2D扩散模型对单照明数据进行多照明增强

直接控制光照方向的2D重新照明神经网络

创建考虑合成重新照明输入图像不准确性的可重新照明辐射场

优化每个图像的辅助特征向量以强制执行多视图一致性

使用多层感知器参数化光方向以控制低频照明

与Outcast、Relightable 3D Gaussians和TensoIR等技术进行比较，展示其在处理复杂场景方面的优势

使用教程

步骤1: 准备单照明条件下的多视图数据集

步骤2: 使用2D扩散模型对数据集进行多照明增强

步骤3: 利用增强后的数据训练2D重新照明神经网络

步骤4: 将训练好的网络应用于单照明数据，生成多照明数据集

步骤5: 利用多照明数据集创建3D高斯splats表示的辐射场

步骤6: 通过优化每个图像的辅助特征向量，确保多视图一致性

步骤7: 使用多层感知器参数化光方向，实现低频照明的直接控制

步骤8: 将最终的辐射场应用于目标场景，进行重新照明