論文の概要: Consistent Feature Transport for Image Relighting

• arxiv url: http://arxiv.org/abs/2607.17833v1
• Date: Mon, 20 Jul 2026 11:25:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.603138
• Title: Consistent Feature Transport for Image Relighting
• Title（参考訳）: 画像リライティングのための一貫した特徴輸送
• Authors: Bohan Zhang, Huanwei Liang, Yuhan He, Hongteng Xu, Quxiao Chao, Luoqi Liu, Dixin Luo, Ting Liu,
• Abstract要約: ライティングは、アイデンティティや幾何学のような非ライティングなコンテンツを保持しながら照明を変更する。 我々は照明特徴輸送問題としてリライティングを再構築し、一貫性特徴輸送(Consistent Feature Transport, CFT)を導入する。 CFTは、ソースとターゲット画像の分布間の照度に一貫性のある輸送を明示的に実施する。
• 参考スコア（独自算出の注目度）: 45.982118331789884
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image relighting modifies illumination while preserving non-lighting content such as identity and geometry. Existing diffusion-based methods often suffer from unstable illumination changes or inconsistent content preservation under complex lighting, as they lack an explicit mechanism to learn feature transformations between images. We reformulate relighting as an illumination feature transport problem and introduce Consistent Feature Transport (CFT), a training principle that explicitly enforces illumination-consistent transport between source and target image distributions. Built upon rectified flow, CFT jointly models noise-to-image generation and illumination-consistent source-to-target transport through trajectory-level supervision. This dual-transport formulation encourages isolation of illumination-specific variations while preserving content-aligned features. To support complex lighting scenarios, we construct a large-scale portrait relighting dataset with diverse relighting effects. Experiments show consistent improvements over existing state-of-the-art relighting approaches and demonstrate that CFT can generalize to other editing tasks, including style transfer. Code is available at https://github.com/Dixin-Lab/CFT.
• Abstract（参考訳）: イメージリライティングは、アイデンティティや幾何学のような非ライティングコンテンツを保持しながら照明を変更する。 既存の拡散法は、画像間の特徴変換を学習する明確なメカニズムが欠如しているため、複雑な照明下での不安定な照明変化やコンテンツ保存に悩まされることが多い。 我々は照明特徴輸送問題としてリライティングを再構築し、光源と対象画像の分布間の照度一貫性のある輸送を明示的に実施する訓練原理である一貫性特徴輸送(Consistent Feature Transport, CFT)を導入する。 補正フローに基づいて構築されたCFTは、トラジェクトリレベルの監視を通じて、ノイズ・ツー・イメージ生成と照度・一貫性のソース・ツー・ターゲット輸送を共同でモデル化する。 このデュアルトランスポートの定式化は、コンテンツ整列性を維持しながら照明特有のバリエーションの分離を促進する。 複雑な照明シナリオをサポートするため,多様な照明効果を持つ大規模ポートレートライティングデータセットを構築した。 実験は、既存の最先端のリライトアプローチに対して一貫した改善を示し、CFTがスタイル転送を含む他の編集タスクに一般化できることを実証する。 コードはhttps://github.com/Dixin-Lab/CFTで入手できる。

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)
• POLAR: A Portrait OLAT Dataset and Generative Framework for Illumination-Aware Face Modeling [51.7495375918484]
  顔のリライティングは、アイデンティティと幾何学を保ちながら、新しい照明の下でリアルな肖像画を合成することを目的としている。 大規模かつ物理的に校正されたOne-Light-at-a-TimeデータセットであるPOLARを紹介した。 フローベース生成モデル POLARNet を開発した。これは1つのポートレートから光ごとのOLAT応答を予測し、顔認証を保ちながら細粒度で方向対応の照明効果を捉える。
  論文  参考訳（メタデータ） (2025-12-15T11:04:09Z)
• LightQANet: Quantized and Adaptive Feature Learning for Low-Light Image Enhancement [65.06462316546806]
  低照度画像強調は、高品質な色とテクスチャを維持しながら照明を改善することを目的としている。 既存の手法では、低照度条件下での画素レベルの情報劣化により、信頼性の高い特徴表現の抽出に失敗することが多い。 低照度向上のための量子化・適応型特徴学習を実現する新しいフレームワークLightQANetを提案する。
  論文  参考訳（メタデータ） (2025-10-16T14:54:42Z)
• TransLight: Image-Guided Customized Lighting Control with Generative Decoupling [31.587782425861363]
  我々は,光効果の高忠実かつ高自由度転送を可能にする新しいフレームワークであるTransLightを提案する。 まず,2つの微調整拡散モデルを用いて画像内容と光効果を正確に分離する生成デカップリングについて述べる。 次に、IC-Lightを生成モデルとし、基準照明画像を付加条件信号として注入し、三重項でモデルを訓練する。
  論文  参考訳（メタデータ） (2025-08-20T16:05:12Z)
• SAIGFormer: A Spatially-Adaptive Illumination-Guided Network for Low-Light Image Enhancement [58.79901582809091]
  近年, トランスフォーマーを用いた低照度化手法は, 世界照明の回復に有望な進展をもたらした。 近年, トランスフォーマーを用いた低照度化手法は, 世界照明の回復に有望な進展をもたらした。 正確な照明復元を可能にする空間適応照明誘導変圧器フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-21T11:38:56Z)
• DreamLight: Towards Harmonious and Consistent Image Relighting [41.90032795389507]
  ユニバーサル・イメージ・リライティングのためのDreamLightというモデルを導入する。 照明や色調の美的均一性を保ちつつ、被験者をシームレスに新しい背景に合成することができる。
  論文  参考訳（メタデータ） (2025-06-17T14:05:24Z)
• Light-A-Video: Training-free Video Relighting via Progressive Light Fusion [52.420894727186216]
  Light-A-Videoは、時間的にスムーズなビデオリライティングを実現するためのトレーニング不要のアプローチである。 Light-A-Videoは、画像のリライティングモデルに適応して、照明の一貫性を高める2つの重要な技術を導入している。
  論文  参考訳（メタデータ） (2025-02-12T17:24:19Z)
• Intrinsic Image Transfer for Illumination Manipulation [1.2387676601792899]
  本稿では,照明操作のための固有画像転送(IIT)アルゴリズムを提案する。 2つの照明面間の局所的な画像変換を生成する。 本報告では,本質的な画像分解を行うことなく,全ての損失を低減できることを示す。
  論文  参考訳（メタデータ） (2021-07-01T19:12:24Z)

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。