CVPR 2025：?jiǎn)螆D秒變專業(yè)影棚，幾何/材質(zhì)/光影全搞定，數(shù)據(jù)訓(xùn)練代碼全開源

作者：量子位 2025-04-03 09:25:53

近日，由香港中文大學(xué)、上海人工智能實(shí)驗(yàn)室及南洋理工大學(xué)的研究團(tuán)隊(duì)聯(lián)合研發(fā)的論文《Neural LightRig: Unlocking Accurate Object Normal and Material Estimation with Multi-Light Diffusion》。

如何從一張普通的單幅圖像準(zhǔn)確估計(jì)物體的三維法線和材質(zhì)屬性，是計(jì)算機(jī)視覺與圖形學(xué)領(lǐng)域長(zhǎng)期關(guān)注的難題。

這種單圖逆渲染任務(wù)存在嚴(yán)重的不確定性，傳統(tǒng)方法通常需要多角度或多光源的拍攝條件，難以在日常場(chǎng)景中普遍應(yīng)用。

其成果已被計(jì)算機(jī)視覺頂級(jí)會(huì)議CVPR 2025正式接收。

核心立意

Neural LightRig創(chuàng)新性地提出利用圖像擴(kuò)散模型（如Stable Diffusion）的強(qiáng)大先驗(yàn)信息，生成虛擬的多光照?qǐng)D像，從而有效解決單圖估計(jì)法線和PBR材質(zhì)過程中存在的不確定性問題。

研究團(tuán)隊(duì)首次提出通過微調(diào)預(yù)訓(xùn)練的圖像擴(kuò)散模型，生成不同光照條件下的一致性多光照?qǐng)D像序列，這種方法有效減少了單圖估計(jì)過程中的內(nèi)在不確定性。

混合條件策略：通過通道級(jí)別的圖像拼接與參考注意力機(jī)制的結(jié)合，引入輸入圖像的先驗(yàn)信息，有效保證了生成圖像的顏色和紋理細(xì)節(jié)的一致性。

雙階段微調(diào)策略：首先僅微調(diào)擴(kuò)散模型的初始卷積層及注意力層，以穩(wěn)定早期訓(xùn)練；隨后以較低學(xué)習(xí)率微調(diào)整個(gè)模型，進(jìn)一步提升模型生成多光照?qǐng)D像的質(zhì)量。2. 基于U-Net的大型G-buffer重建模型

利用擴(kuò)散模型生成的多光照?qǐng)D像作為輔助信息，團(tuán)隊(duì)設(shè)計(jì)了一個(gè)基于U-Net架構(gòu)的回歸模型，以實(shí)現(xiàn)對(duì)物體表面法線和PBR材質(zhì)屬性（包括反照率、粗糙度、金屬性）的高效精確估計(jì)。

顯式光照條件輸入：通過對(duì)光源位置進(jìn)行球面坐標(biāo)編碼，使模型能顯式地關(guān)聯(lián)不同光照方向下的圖像變化，更有效地預(yù)測(cè)物體表面屬性。

優(yōu)化目標(biāo)設(shè)計(jì)：采用余弦相似度損失和均方誤差(MSE)聯(lián)合優(yōu)化法線估計(jì)，材質(zhì)估計(jì)則采用簡(jiǎn)單而有效的均方誤差損失。

數(shù)據(jù)增強(qiáng)策略：針對(duì)擴(kuò)散模型生成圖像與真實(shí)渲染圖像之間的領(lǐng)域差異，提出隨機(jī)降質(zhì)、亮度調(diào)整、光照方向擾動(dòng)和數(shù)據(jù)混合策略，以提高模型的泛化能力與穩(wěn)定性。

實(shí)驗(yàn)表現(xiàn)

在自主構(gòu)建的大規(guī)模數(shù)據(jù)集LightProp上的實(shí)驗(yàn)結(jié)果表明，Neural LightRig在各項(xiàng)指標(biāo)上全面超越現(xiàn)有先進(jìn)方法：

法線估計(jì)：平均角度誤差顯著降低至6.413°，大幅提高估計(jì)精度（詳見論文表1和圖5）；
材質(zhì)估計(jì)與新光照下渲染效果：實(shí)現(xiàn)了對(duì)反照率、粗糙度和金屬性等材質(zhì)屬性的精準(zhǔn)估計(jì)，并能夠生成逼真的單圖重光照效果（詳見論文表2與圖6圖7）。