提升光照估计模型的颜色精度
计算机视觉与模式识别
2025-09-24 v1
摘要
从单张图像进行高动态范围（HDR）光照估计的进展为增强现实（AR）应用开辟了新的可能性。从单张输入图像预测复杂光照环境可以实现虚拟物体的真实渲染与合成。在本工作中，我们研究了此类方法的颜色鲁棒性——这是一个常被忽视但对实现视觉真实感至关重要的因素。虽然大多数评估将颜色与其他光照属性（如强度、方向）混为一谈，但我们 isolating 颜色作为主要研究变量。我们并未提出新的光照估计算法，而是探索简单的自适应技术能否提升现有模型的颜色精度。利用一个包含多样化光照颜色的新型 HDR 数据集，我们系统地评估了多种自适应策略。结果表明，使用预训练白平衡网络对输入图像进行预处理可以提升颜色鲁棒性，在所有测试场景中均优于其他策略。值得注意的是，该方法无需对光照估计模型进行重新训练。我们进一步通过将该技术应用于近期文献中三种最先进的光照估计方法，验证了这一发现的普适性。
引用
@article{arxiv.2509.18390,
title = {Improving the color accuracy of lighting estimation models},
author = {Zitian Zhang and Joshua Urban Davis and Jeanne Phuong Anh Vu and Jiangtao Kuang and Jean-François Lalonde},
journal= {arXiv preprint arXiv:2509.18390},
year = {2025}
}
备注
Project page: https://lvsn.github.io/coloraccuracy