图像重新照明的一致特征传输

图像重新照明可以修改照明，同时保留非照明内容，例如身份和几何形状。现有的基于扩散的方法经常会遇到光照变化不稳定或复杂光照下内容保存不一致的问题，因为它们缺乏学习图像之间特征转换的明确机制。我们将重新照明重新表述为照明特征传输问题，并引入一致特征传输（CFT），这是一种明确强制源图像分布和目标图像分布之间照明一致传输的训练原理。 CFT 基于整流流构建，通过轨迹级监督对噪声到图像生成和照明一致的源到目标传输进行联合建模。这种双传输公式有助于隔离特定于照明的变化，同时保留内容对齐的特征。为了支持复杂的照明场景，我们构建了具有多种重新照明效果的大规模肖像重新照明数据集。实验显示了对现有最先进的重新照明方法的持续改进，并证明 CFT 可以推广到其他编辑任务，包括风格转换。代码可在 https://github.com/Dixin-Lab/CFT 获取。