Tag · 5 篇

本征图像分解

分布底层视觉与图像复原3数据集与评测1生成模型与扩散1

VT-Intrinsic: Physics-Based Decomposition of Reflectance and Shading using a Single Visible-Thermal Image Pair

利用可见光-热红外图像对的强度序关系进行自监督，为反射率与光照分解提供物理约束，可推广到其他需要物理先验的逆渲染任务。

ReasonX: MLLM-Guided Intrinsic Image Decomposition

把多模态大语言模型当作感知评判器，用其输出的相对本征比较构造 GRPO 奖励，从而在无标注真实图像上微调本征分解模型；这一「MLLM 比较式监督」范式可迁移到深度、法线、反照率等任何可定义成对关系的稠密预测任务上。

Olbedo: An Albedo and Shading Aerial Dataset for Large-Scale Outdoor Environments

为户外本征图像分解提供了带多视图一致 albedo/shading、度量深度、法线与 HDR 天空穹顶的真实航空监督，可直接用于微调室内合成数据训练的 CNN/扩散 IID 模型，并支撑 3D 资产重光照与材质编辑。

LumiX: Structured and Coherent Text-to-Intrinsic Generation

Query-Broadcast Attention 让所有本征图共享同一组 query，从而在联合扩散采样中保持跨图结构一致；Tensor LoRA 用张量化低秩适配建模跨图关系，可作为多输出联合生成任务中参数高效训练与一致性的通用手段。

Clair Obscur: an Illumination-Aware Method for Real-World Image Vectorization

将本征图像分解（albedo/shade/light）引入矢量域，用可微渲染做两阶段优化，为图像矢量化提供光照感知的表示，可复用于需要可编辑矢量表示或光照解耦的视觉任务。