AD-Relight：基于扩散先验的无训练 banner 重光照
计算机视觉与模式识别
2026-04-28 v1
摘要
随着流媒体服务消费的不断增长，针对个性化内容的需求日益增长。个性化广告（ads）在提升用户参与度和广告效果方面发挥着关键作用。广告个性化的一个关键方面涉及替换帧中现有区域的区域，以自定义 Photoshop 生成的横幅。然而，现有的广告放置管道通常依赖于简单的几何扭曲，忽视场景中底层光照条件。类似地，基于扩散的目标对象插入和重光照模型难以准确地重光照这些新插入的横幅，因为它们不在广告横幅数据上训练，而为广告横幅训练模型需要数百万张图像。这凸显了需要一种有效的重光照框架，以无缝集成自定义横幅到原始场景的需求。受此启发，我们提出 AD-Relight，一个新型的多阶段无训练框架，通过在测试时调整基于扩散的重光照模型，以重光照新添加的 Photoshop 生成的广告横幅。通过广泛评估，我们证明 AD-Relight 在重光照基准和基于简单扭曲的现有广告放置方法中表现优异。用户研究进一步表明，受访者一致偏好 AD-Relight 的输出而非先前方法的输出。
引用
@article{arxiv.2604.24407,
title = {AD-Relight: Training-Free Banner Relighting via Illumination Translation with Diffusion Priors},
author = {Rameshwar Mishra and A V Subramanyam},
journal= {arXiv preprint arXiv:2604.24407},
year = {2026}
}