ДалееСледующее руководство
Диалоговое редактирование изображений с помощью мультимодальных моделей
Визуальный ИИ
Визуальное руководство по искусственному интеллекту
ИИ-переосвещение изображений меняет освещение на существующей фотографии, например, перемещая источник света, меняя его цвет или подстраивая под новый фон, при этом сохраняя личность и форму объекта.
Прослушайте это руководствоОзвучено ИИ · ~3 min
Такие инструменты, как IC-Light, используют диффузионные модели для повторного рендеринга теней и бликов. Это важно для предметной фотосъемки, редактирования портретов и композитинга, где несоответствие освещения является одним из самых очевидных признаков поддельного или вставленного изображения.
What you see in a photo is roughly the result of what a surface is (its base color, or albedo, its shape and its material) combined with the light falling on it. Relighting means changing the light while leaving everything else alone. That is hard because a single photo mixes these factors together. Classical and early learned methods tried to separate the factors explicitly. Intrinsic image decomposition splits an image into albedo and shading. Other models estimate surface normals and depth, then re-shade the scene with a new light described by an environment map or low-order spherical harmonics. Portrait relighting research, such as Google's Total Relighting (2021), trained on data from light stages, which are domes of controllable lights that record a person under many lighting conditions. These methods can be precise but struggle outside their training data, for example with hair, glass or complex scenes. Diffusion-based relighting takes a different approach: a generative model re-renders the image under the requested lighting. IC-Light (Imposing Consistent Light) was released in 2024 by Lvmin Zhang, the developer behind ControlNet. It comes in versions conditioned on a text description of the light or on a new background image. Its key training idea is consistent light transport. In physics, an object's appearance under a mix of two lights equals the mix of its appearances under each light alone. Enforcing this during training helps the model change the lighting without changing the object's identity or details. Two misconceptions are common. First, relighting is not a color filter: a filter cannot move shadows or add highlights on the side facing a new light. Second, the model does not recover true 3D geometry. It produces plausible shading, which can fail on text, fine patterns and reflective surfaces, or when the requested lighting is physically inconsistent. Results can also subtly change details such as skin texture, so inspect outputs closely.
Интернет-магазин фотографирует товары при обычном студийном освещении, а затем переосвещает каждое из них, чтобы оно соответствовало лайфстайл-фону, благодаря чему тени и блики выглядят согласованно.
Портретный редактор добавляет теплый свет из окна слева к портрету с плоским освещением, используя текстовую подсказку, например «солнечный свет из левого окна», с помощью IC-Light.
Композитор вырезает человека из одной фотографии и помещает его на освещенную неоном улицу. Он использует модель переосвещения с учетом фона, чтобы человек «впитывал» цветной свет сцены.
Кинематографист, готовящий раскадровки, пробует несколько вариантов освещения в разное время суток, от «золотого часа» до пасмурной погоды, на одной и той же фотографии локации перед съемкой.
Переосвещение распространяется с отдельных изображений на видео и 3D, где освещение должно оставаться согласованным в разных кадрах и ракурсах. Исследования объединяют генеративные модели с явными оценками геометрии и материалов, чтобы дать пользователям больше физического контроля, например, размещение источника света в конкретной позиции. Переосвещение также влияет на подлинность изображений. Несоответствующие тени долгое время были ключом к обнаружению композитов, поэтому лучшее переосвещение затрудняет выявление подделок, что усиливает аргументы в пользу инструментов подтверждения подлинности, таких как учетные данные контента. Для обычных пользователей наиболее вероятным изменением в ближайшем будущем станет появление функций переосвещения в обычных фоторедакторах.
Бесплатная рассылка
Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.
Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.
Проверьте себя
Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.
Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование
ИИ-переосвещение изображений меняет освещение на существующей фотографии, например, перемещая источник света, меняя его цвет или подстраивая под новый фон, при этом сохраняя личность и форму объекта. Такие инструменты, как IC-Light, используют диффузионные модели для повторного рендеринга теней и бликов. Это важно для предметной фотосъемки, редактирования портретов и композитинга, где несоответствие освещения является одним из самых очевидных признаков поддельного или вставленного изображения.
Переосвещение меняет только свет, сохраняя при этом свойства поверхности, включая ее базовый цвет, форму и материал.
Она разделяет изображение на альбедо — базовый цвет поверхности — и затенение, то есть эффект воздействия света на эту поверхность.
Световые сцены — это купола с управляемыми источниками света, которые фиксируют, как человек выглядит при различных настройках освещения, предоставляя данные для обучения таких методов, как Total Relighting.
Эта согласованность переноса света помогает модели изменять освещение, не меняя личность или детали объекта.
Фильтр корректирует тон по всему изображению. Настоящее переосвещение изменяет падение теней и бликов в зависимости от направления света.
Продолжайте учиться
Другие руководства, выбранные по этой теме
ДалееСледующее руководство
Диалоговое редактирование изображений с помощью мультимодальных моделей
Визуальный ИИ