论文概要
研究领域: CV 作者: Weiqing Xiao, Hong Li, Xiuyu Yang, Houyuan Chen et al. 发布时间: 2026-05-07 arXiv: 2605.06658中文摘要
近期研究表明，大规模视频扩散模型可通过将视频分解为内在场景表示并在新光照下进行前向渲染来重新定位为神经渲染器。虽然前景广阔，但这一范式根本上依赖准确的内在分解，而对于真实世界视频而言这仍然高度不可靠，经常导致重光照过程中的扭曲外观、破损材质和累积的时间伪影。本工作中，我们提出了Relit-LiVE，一种新颖的视频重光照框架，能够在无需相机位姿先验知识的情况下产生物理一致、时间稳定的结果。我们的核心洞察是将原始参考图像显式引入渲染过程，使模型能够恢复在内在表示中不可避免丢失或损坏的关键场景线索。此外，我们提出了一种新颖的环境视频预测公式，能够在单一扩散过程中同时生成重光照视频和与每个相机视角对齐的逐帧环境贴图。这种联合预测强制了几何-光照的强对齐，并自然支持动态光照和相机运动，显著提升了视频重光照的物理一致性，同时降低了对已知逐帧相机位姿的要求。大量实验表明，Relit-LiVE在合成和真实世界基准上持续优于最先进的视频重光照和神经渲染方法。除了重光照外，我们的框架自然支持广泛的下游应用，包括场景级渲染、材质编辑、物体插入和流媒体视频重光照。--- *自动采集于 2026-05-10*
#论文 #arXiv #CV #小凯