Color to Ambient Lighting Mapping: After the Party

实际场景下的照明本质上复杂，涉及彩色光源、遮挡及多样材料相互作用，产生复杂的反射和阴影效应。然而，现有方法常简化这一挑战，假设单一光源或均匀、白平衡照明，未能针对这些复杂性作出充分考虑。本文引入CL3AN，首个大规模高分辨率数据集，旨在将多彩色光源下捕获的图像恢复到其环境标准化版本。通过基准测试，我们发现领先方法常产生artifacts，如照明不一致、纹理泄漏和色彩失真，主要源于其有限能力精确分离照明与反射。鼓舞人心之处是，我们通过一种新型学习框架实现所需分解，该框架利用显式的色度-亮度组件指导，取信于Retinex模型原理。对现有基准和我们的数据集进行广泛评估，结果表明我们的方法有效，展现出在非均匀彩色照明和材料特定反射变异下的增强鲁棒性，同时保持高度具竞争力的计算成本。基准、代码和模型均可于 www.github.com/fvasluianu97/RLN2 获取。