Ouroboros：面向循环一致正向与逆向渲染的单步扩散模型

尽管多步扩散模型已推动了正向与逆向渲染的发展，但现有方法通常独立处理这两个问题，导致循环不一致且推理速度缓慢。本文提出 Ouroboros，一个由两个单步扩散模型组成的框架，通过相互增强来处理正向与逆向渲染。我们的方法将本征分解扩展到室内和室外场景，并引入一种循环一致性机制，确保正向与逆向渲染输出之间的一致性。实验结果表明，该方法在多种场景下均达到了最先进的性能，同时相比其他基于扩散的方法，推理速度显著加快。我们还证明，Ouroboros 能以无需训练的方式迁移到视频分解中，在保持高质量逐帧逆向渲染的同时，减少视频序列中的时序不一致性。