ControlNet作者新作,玩儿得人直呼过瘾,刚开源就揽星1.2k。
用于操纵图像照明效果 的,全称lmposing Consistent Light。
玩法很简单:
上传任意一张图,系统会自动分离人物等主体,选择光源位置,填上提示词,就能毫无破绽的融入新环境了!
赶紧来个王家卫式的打光:
不喜欢?
没关系,换成窗外打进来的自然光,也就分分钟的事。
目前,IC-Light提供两类模型: 文本条件重照明模型 ,还有 背景条件模型 。
两种模型都需要以前景图像作为输入。
鉴于之前Controlnet太好玩儿,这次IC-Light一出现就颇受关注,还有网友迅速做出了ComfyUI插件。
(疑惑,大家这么拼,都不睡觉的吗??)
不管是期待值还是用后体验,网友给得都很高:
谁能帮我把这图换个背景?
从远古MCN到贴吧再到现在小红书,各个时代,都不乏“谁能帮我换张背景”这种求助贴。
但热心网友的帮助,往往是这样子的:
就离谱。
不过说实在话,这种需求不仅存在于你我普通人之间,电商做商品海报,也常常有类似的需求。
有了IC-Light,好像一切都变得简单起来。
上传主体原图+选择光源位置+提示词 ,完事儿。
来看效果——
这样一张佛像原图,加上提示词“佛像、细致的脸部、科幻RGB发光、赛博朋克”,再选择“光从左侧打来”。
就能得到一张崭新的成品:
哪怕是日常场景也是适用的。
最后出的效果肉眼看还是比较自然:
根据网友分享的测评,动漫场景也适用……
背后技术
如前所说,IC-Light现在提供两类模型,两种模型都需要以前景图像作为输入。
一类是 文本条件重照明模型 。
简单来说就是用户可以通过输入提示词来搞定生成。
比如输入“左侧光线”“月光”等,模型会通过这些提示词和初始潜变量,来生成符合要求和特征的图像。
另一类是 背景条件模型 。
这种就更简单了,不需要复杂的提示词,模型结合背景提示信息,对前景的物体进行不同风格的光照变化。
而其背后的技术原理,是 通过潜在空间的一致性,确保模型输出在不同光源组合下具有一致性,从而可以稳定地合成各种光照效果 。
具体如下——
在HDR空间中,所有照明的光线传输都彼此独立,不同光源的外观混合效果与多光源直接作用下的外观在数学上(也就是理想状态下)是一致的。
以上面这张图的灯光阶段为例,来自“外观混合”和“光源混合”的两个图像是一致的,(理想情况下,在HDR空间中数学上等效)。
因此,在训练重新照明模型时,研究人员在潜在空间中使用多层感知机(MLP)让不同光源的组合和传输具有一致性,并用来指导生成效果。
最终产生高度一致的重新光照效果。
由于模型使用了潜在扩散技术,因此可以在潜在空间内实现学习和重光照操作,从而在各种光照条件下产生高度一致的效果。
这些结果非常一致——尽管在训练时,模型没有直接使用法线图数据,但可以将不同的重新光照合并为法线贴图。
看下面这张图,从左到右依次是输入、模型输出、重新照明、分割的阴影图像和合并的法线贴图。
感兴趣的小伙伴可以前往下面地址试玩儿哟~
GitHub直通车:
原文链接: