AD-Relight：无需训练 横幅通过具有扩散先验的照明转换进行重新照明

最近通过流媒体服务进行的内容消费激增推动了对个性化内容的需求不断增长。个性化广告（广告）在提高用户参与度和广告效果方面发挥着至关重要的作用。广告个性化的一个关键方面涉及用 Photoshop 生成的自定义横幅替换框架中的现有区域。然而，现有的广告投放管道通常依赖于简单的几何扭曲，忽略了场景的基础照明条件。同样，最先进的基于扩散的对象插入和重新点亮模型很难准确地重新点亮这些新插入的横幅，因为它们没有接受广告横幅数据的训练，并且训练这样的广告横幅模型将需要数百万张图像。这凸显了对有效的重新照明框架的需求，该框架能够将自定义横幅无缝集成到原始场景中。受此启发，我们提出了 AD-Relight，这是一种新颖的多阶段 无需训练 框架，它在测试时采用基于扩散的重新照明模型来重新照明新添加的 Photoshop 生成的广告横幅。通过广泛的评估，我们证明 AD-Relight 的性能优于重新照明基线和基于简单变形的现有广告放置方法。用户研究进一步表明，与先前方法相比，参与者始终更喜欢 AD-Relight 的输出。