ControlNet作者新作爆火：P照片換背景不求人，AI打光完美融入 精華
ControlNet作者新作，玩兒得人直呼過癮，剛開源就攬星1.2k。
用于操縱圖像照明效果的IC-Light，全稱lmposing Consistent Light。
玩法很簡(jiǎn)單：
上傳任意一張圖，系統(tǒng)會(huì)自動(dòng)分離人物等主體，選擇光源位置，填上提示詞，就能毫無破綻的融入新環(huán)境了！
趕緊來個(gè)王家衛(wèi)式的打光：
不喜歡？
沒關(guān)系，換成窗外打進(jìn)來的自然光，也就分分鐘的事。
目前，IC-Light提供兩類模型：文本條件重照明模型，還有背景條件模型。
兩種模型都需要以前景圖像作為輸入。
鑒于之前Controlnet太好玩兒，這次IC-Light一出現(xiàn)就頗受關(guān)注，還有網(wǎng)友迅速做出了ComfyUI插件。
（疑惑，大家這么拼，都不睡覺的嗎？？）
不管是期待值還是用后體驗(yàn)，網(wǎng)友給得都很高：
Nice！迫不及待要上手玩了嘻嘻嘻嘻
。
誰能幫我把這圖換個(gè)背景？
從遠(yuǎn)古MCN到貼吧再到現(xiàn)在小紅書，各個(gè)時(shí)代，都不乏“誰能幫我換張背景”這種求助貼。
但熱心網(wǎng)友的幫助，往往是這樣子的：
就離譜。
不過說實(shí)在話，這種需求不僅存在于你我普通人之間，電商做商品海報(bào)，也常常有類似的需求。
有了IC-Light，好像一切都變得簡(jiǎn)單起來。
上傳主體原圖+選擇光源位置+提示詞，完事兒。
來看效果——
這樣一張佛像原圖，加上提示詞“佛像、細(xì)致的臉部、科幻RGB發(fā)光、賽博朋克”，再選擇“光從左側(cè)打來”。
就能得到一張嶄新的成品：
哪怕是日常場(chǎng)景也是適用的。
最后出的效果肉眼看還是比較自然：
根據(jù)網(wǎng)友分享的測(cè)評(píng)，動(dòng)漫場(chǎng)景也適用……
背后技術(shù)
如前所說，IC-Light現(xiàn)在提供兩類模型，兩種模型都需要以前景圖像作為輸入。
一類是文本條件重照明模型。
簡(jiǎn)單來說就是用戶可以通過輸入提示詞來搞定生成。
比如輸入“左側(cè)光線”“月光”等，模型會(huì)通過這些提示詞和初始潛變量，來生成符合要求和特征的圖像。
另一類是背景條件模型。
這種就更簡(jiǎn)單了，不需要復(fù)雜的提示詞，模型結(jié)合背景提示信息，對(duì)前景的物體進(jìn)行不同風(fēng)格的光照變化。
而其背后的技術(shù)原理，是通過潛在空間的一致性，確保模型輸出在不同光源組合下具有一致性，從而可以穩(wěn)定地合成各種光照效果。
具體如下——
在HDR空間中，所有照明的光線傳輸都彼此獨(dú)立，不同光源的外觀混合效果與多光源直接作用下的外觀在數(shù)學(xué)上（也就是理想狀態(tài)下）是一致的。
以上面這張圖的燈光階段為例，來自“外觀混合”和“光源混合”的兩個(gè)圖像是一致的，（理想情況下，在HDR空間中數(shù)學(xué)上等效）。
因此，在訓(xùn)練重新照明模型時(shí)，研究人員在潛在空間中使用多層感知機(jī)（MLP）讓不同光源的組合和傳輸具有一致性，并用來指導(dǎo)生成效果。
最終產(chǎn)生高度一致的重新光照效果。
由于模型使用了潛在擴(kuò)散技術(shù)，因此可以在潛在空間內(nèi)實(shí)現(xiàn)學(xué)習(xí)和重光照操作，從而在各種光照條件下產(chǎn)生高度一致的效果。
這些結(jié)果非常一致——盡管在訓(xùn)練時(shí)，模型沒有直接使用法線圖數(shù)據(jù)，但可以將不同的重新光照合并為法線貼圖。
看下面這張圖，從左到右依次是輸入、模型輸出、重新照明、分割的陰影圖像和合并的法線貼圖。
感興趣的小伙伴可以前往下面地址試玩兒?jiǎn)选?/p>
GitHub直通車：???https://github.com/lllyasviel/IC-Light?tab=readme-ov-file??
本文轉(zhuǎn)自 量子位 ，作者：量子位
