ICLR 惊现[10,10,10,10]满分论文，ControlNet 作者新作，Github 5.8k 颗星

AIGC动态2周前发布 almosthuman2014

128 0 0

ICLR 惊现[10,10,10,10]满分论文，ControlNet 作者新作，Github 5.8k 颗星

文章摘要

在ICLR 2025会议上，张吕敏的新作IC-Light论文获得了四位审稿人一致的满分评价，成为罕见的高分论文。IC-Light是一个基于扩散模型的照明编辑模型，能够通过文本精准控制图像的光照效果，使得复杂的光影效果调整变得简单。该模型最初基于SD 1.5和SDXL实现，最近推出了适配Flux的V2版本，效果进一步提升。

IC-Light不仅能够还原光线方向和漫射效果，还能处理人工光源如霓虹灯，保持色彩渗透效果的同时保持人物一致性。此外，IC-Light还支持上传背景图片以改变原图光照。该模型的提出，解决了AI绘画中精确控制图像细节的难题，为商业化工作流带来便利。

IC-Light的研究细节包括：提出了一种在训练过程中强加一致光传输的方法，利用多种数据源对照明效果分布进行建模，并通过施加一致性引入物理基础的约束条件，确保模型只修改图像光照方面，保留其他固有属性。该方法在1000多万个不同样本上进行稳定、可扩展的训练，提高了光照编辑的精度，降低了不确定性和伪影。

实验结果表明，扩大训练规模和数据源多样化可以增强模型鲁棒性，并提高与光照相关的下游任务性能。消融实验证明，IC-Light方法提高了光照编辑的准确性，保留了反照率和图像细节等内在属性。与其他方法相比，IC-Light适用于更广泛的光照分布，如边缘照明、背光照明等，并展示了处理更多野外照明场景的能力。

IC-Light还展示了其他应用，如利用背景条件进行光照协调，支持不同的基础模型。在定量评估中，IC-Light在感知质量上优于其他方法，并在性能之间取得了平衡。视觉对比也显示了IC-Light在阴影鲁棒性和法线贴图质量上的优势。