FlowIID：基于潜在流匹配的单步本征图像分解
计算机视觉与模式识别
2026-01-21 v1
摘要
本征图像分解（IID）将图像分离为反照率分量和阴影分量。它是许多实际应用（如重光照和材质编辑）中的核心步骤。现有的 IID 模型取得了良好效果，但通常使用大量参数，这使得它们在实际场景中与其他模型结合时成本高昂。为解决此问题，我们提出一种基于流匹配的解决方案。为此，我们设计了一种基于潜在流匹配的新型架构 FlowIID。FlowIID 将 VAE 引导的潜在空间与流匹配模块相结合，能够稳定地分解反照率和阴影。FlowIID 不仅参数高效，而且能在单次推理步骤中产生结果。尽管设计紧凑，FlowIID 在多个基准测试中仍能提供与现有模型相比具有竞争力且更优的结果，这使其非常适合部署在资源受限和实时的视觉应用中。
引用
@article{arxiv.2601.12329,
title = {FlowIID: Single-Step Intrinsic Image Decomposition via Latent Flow Matching},
author = {Mithlesh Singla and Seema Kumari and Shanmuganathan Raman},
journal= {arXiv preprint arXiv:2601.12329},
year = {2026}
}