論文の概要: Decoupled Illumination Priors for Spatially Controllable Multi-View Indoor Scene Relighting

• arxiv url: http://arxiv.org/abs/2607.08879v1
• Date: Thu, 09 Jul 2026 19:09:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 14:47:12.731326
• Title: Decoupled Illumination Priors for Spatially Controllable Multi-View Indoor Scene Relighting
• Title（参考訳）: 空間制御可能なマルチビュー屋内照明のための非結合照明
• Abstract要約: 本研究では,空間制御可能な室内照明のためのプログレッシブフレームワークであるLume-Paletteを提案する。 提案手法は,(1)標準照明パレットを抽出する照明蒸留法,(2)目標空間照明条件を明示的にマッピングする照明鋳造法,の2段階に分けられる。 多様な合成シーンと実世界のシーンの実験は、ルーム・パレットが光現実的で空間的に制御可能で、多視点で一貫したリライティング結果を生み出すことを示した。
• 参考スコア（独自算出の注目度）: 25.64036257408644
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Indoor scene relighting demands photorealism, precise spatial control, and strict multi-view consistency. While diffusion-based image editing models enable semantic lighting manipulation via text prompts, enforcing exact 3D light placement often disrupts their generative priors. We propose Lume-Palette, a progressive framework that leverages semantic lighting priors for spatially controllable multi-view indoor relighting. The approach decouples relighting into two stages: (1) illumination distillation, which extracts canonical illumination palettes from a pretrained diffusion model to preserve realistic material-light interactions, and (2) illumination casting, which explicitly maps target spatial lighting conditions defined from coarse 3D geometry. To efficiently handle dense multi-view and multi-modal inputs, we introduce an asymmetric multi-view conditioning strategy that selectively injects essential spatial context. Experiments on diverse synthetic scenes and real-world scenes demonstrate that Lume-Palette produces photorealistic, spatially controllable, and multi-view consistent relighting results. Project Page: https://cjeen.github.io/lumepalette
• Abstract（参考訳）: 屋内シーンのリライティングには、フォトリアリズム、精密空間制御、厳密なマルチビュー整合性が必要である。 拡散ベースの画像編集モデルは、テキストプロンプトによるセマンティック照明操作を可能にするが、正確な3D光の配置は、しばしば生成する先行を妨害する。 空間的に制御可能なマルチビュー屋内リライトにセマンティックライティングの先駆けを生かした,プログレッシブなフレームワークであるLume-Paletteを提案する。 本手法は,(1)標準照明パレットを抽出した照明蒸留と,(2)粗い3次元形状から定義された空間照明条件を明示的にマッピングする照明鋳造の2段階に分離する。 密集したマルチビューとマルチモーダル入力を効率的に処理するために,本質的な空間コンテキストを選択的に注入する非対称なマルチビュー条件付け戦略を導入する。 多様な合成シーンと実世界のシーンの実験は、ルーム・パレットが光現実的で空間的に制御可能で、多視点で一貫したリライティング結果を生み出すことを示した。 Project Page: https://cjeen.github.io/lumepalette

関連論文リスト

• TokenLight: Precise Lighting Control in Images using Attribute Tokens [36.19968483255676]
  我々は条件付き画像生成タスクとしてリライティングを定式化し、照明要素をエンコードする属性トークンを導入する。 このモデルは、グラウンドトルース照明アノテーションを用いた大規模な合成データセットで訓練されている。 我々は,室内照明器具の制御や編集環境の照明など,様々な照明作業におけるアプローチを検証する。
  論文  参考訳（メタデータ） (2026-04-16T17:59:50Z)
• Light-X: Generative 4D Video Rendering with Camera and Illumination Control [52.87059646145144]
  Light-Xは、視点制御と照明制御の両方でモノクロビデオから制御可能なレンダリングを可能にする、ビデオ生成フレームワークである。 マルチビューとマルチイルミネーションのペアビデオの欠如に対処するために,逆マッピングを備えた劣化ベースのパイプラインであるLight-Synを導入する。
  論文  参考訳（メタデータ） (2025-12-04T18:59:57Z)
• LightSwitch: Multi-view Relighting with Material-guided Diffusion [73.5965603000002]
  LightSwitchは、新しいファインチューニングされたマテリアルライティング拡散フレームワークである。 我々の2Dリライティング予測品質は、画像から直接リライティングする過去の最先端リライティングよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-08-08T17:59:52Z)
• MV-CoLight: Efficient Object Compositing with Consistent Lighting and Shadow Generation [19.46962637673285]
  MV-CoLightは2Dおよび3Dシーンで合成される照度一貫性のあるオブジェクトのためのフレームワークである。 2次元画像入力と3次元ガウスシーン表現をシームレスに整列するために、ヒルベルト曲線に基づく写像を用いる。 実験では、標準ベンチマークとデータセット間で、最先端の調和した結果を実証した。
  論文  参考訳（メタデータ） (2025-05-27T17:53:02Z)
• A Diffusion Approach to Radiance Field Relighting using Multi-Illumination Synthesis [6.883971329818549]
  単一照度データを用いた照度場作成手法を提案する。 光方向条件付き多照度データセット上で,まず2次元拡散モデルを微調整する。 単一照明下での合成および実マルチビューデータについて結果を示す。
  論文  参考訳（メタデータ） (2024-09-13T16:07:25Z)
• Lite2Relight: 3D-aware Single Image Portrait Relighting [87.62069509622226]
  Lite2Relightは、肖像画の3D一貫性のある頭部ポーズを予測できる新しいテクニックだ。 事前学習した幾何認識エンコーダと特徴アライメントモジュールを利用することで、入力画像を3D空間にマッピングする。 これには、髪、目、表情を含むフルヘッドの3D一貫性のある結果が含まれる。
  論文  参考訳（メタデータ） (2024-07-15T07:16:11Z)
• Physically-Based Editing of Indoor Scene Lighting from a Single Image [106.60252793395104]
  本研究では,1つの画像から複雑な室内照明を推定深度と光源セグメンテーションマスクで編集する手法を提案する。 1)シーン反射率とパラメトリックな3D照明を推定する全体的シーン再構成法,2)予測からシーンを再レンダリングするニューラルレンダリングフレームワーク,である。
  論文  参考訳（メタデータ） (2022-05-19T06:44:37Z)
• NeRV: Neural Reflectance and Visibility Fields for Relighting and View Synthesis [45.71507069571216]
  本稿では,無拘束の照明により照らされたシーンの画像を入力として入力する手法を提案する。 これにより、任意の照明条件下で新しい視点からレンダリングできる3D表現を生成します。
  論文  参考訳（メタデータ） (2020-12-07T18:56:08Z)
• Light Stage Super-Resolution: Continuous High-Frequency Relighting [58.09243542908402]
  光ステージから採取した人間の顔の「超解像」を学習ベースで解析する手法を提案する。 本手法では,ステージ内の隣接する照明に対応する撮像画像を集約し,ニューラルネットワークを用いて顔の描画を合成する。 我々の学習モデルは、リアルな影と特異なハイライトを示す任意の光方向のレンダリングを生成することができる。
  論文  参考訳（メタデータ） (2020-10-17T23:40:43Z)
• Lighthouse: Predicting Lighting Volumes for Spatially-Coherent Illumination [84.00096195633793]
  入力狭帯域ステレオ画像ペアからシーン内の任意の3次元位置における入射照度を推定する深層学習ソリューションを提案する。 本モデルでは,入力ステレオペア近傍の視野ビューと,各シーン内の球状パノラマのみを監督する。 提案手法は,高精細な仮想物体を実画像に挿入して照らし出すのに十分な空間変化の連続した照明を予測できることを実証する。
  論文  参考訳（メタデータ） (2020-03-18T17:46:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。