Henglei Lv, Bailin Deng, Xiaoqiang Liu, Yichen Wang, Haoxian Zhang, Pengfei Wan, Lin Gao · 2026 · arXiv
DOI: 10.48550/arXiv.2610.29780 · open-access PDF
인간 중심의 장면에서 빛의 운송을 이해하고 모델링하는 것은 오랫동안의 도전입니다. 확산 모델에 대한 최근의 진전은 빛의 운송에 대한 연구를 촉진했지만, 정확한 조명 제어는 여전히 늦어지고 있으며, 주로 다양하고 고품질, 정확하게 라벨링 된 비디오 빛의 데이터 세트의 부족 때문입니다. 기존의 끝에서 끝까지의 빛의 운송 접근 방식은 신경 네트워크를 통해 암시적으로 빛의 운송을 모델링하여 통제 가능성을 크게 복잡하게 만듭니다.
Machine translation (Meta M2M100); the English original follows.
Understanding and modeling light transport in human-centric scenes is a longstanding challenge. While recent progress in diffusion models has boosted research in relighting, precise illumination control still lags, primarily due to the scarcity of diverse, high-quality, precisely labeled video relighting datasets. Existing end-to-end relighting approaches model light transport implicitly through neural networks, which substantially complicates controllability. In contrast, some works resort to path-traced irradiance cues as an explicit blueprint for light transport. However, such constructed i
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.29780, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange