SRUG：基于生成模型的影子引导可重 lighting 城市场景
计算机视觉与模式识别
2026-05-29 v2 图形学
摘要
从图像或视频中创建可重 lighting 的城市场景在实际应用中非常有用，但问题在于高度难以建模。城市环境通常是无界的，超出了可见区域的范围，因此许多场景部分 remain unobserved，然而这些不可见区域可以投射阴影到可见区域上。合理地建模由此类不可见区域投射的阴影具有挑战性，这构成了创建可重 lighting 城市场景的主要障碍。同时，稀疏的输入视角和复杂的照明条件进一步 complicate relighting，因为它们引入了严重的材料分解歧义。在本文中，我们提出 Shadow-guided Relightable Urban Scene with Generation model（SRUG），一个新型框架，旨在解决城市场景中的 relighting 挑战。SRUG 利用阴影指导 3D 完成模型恢复不可见区域的几何结构，促进物理合理阴影的合成。此外，SRUG 采用迭代材料分解方案，将大材料模型（LMM）应用于提供材料监督并迭代分解场景的材料属性，从而实现稳健的材料分解。基于这些组件，我们引入基于物理的 lighting 模型，捕捉城市场景中复杂的照明，并支持可靠的 relighting。广泛的定量评估和视觉比较表明，我们的方法在 novel view synthesis 和 relighting 任务上优于现有方法。
引用
@article{arxiv.2605.24700,
title = {SRUG: Shadow-Guided Relightable Urban Scene with Generation Model},
author = {Yonghao Zhao and Zexin Yin and Jian Yang and Beibei Wang and Jin Xie},
journal= {arXiv preprint arXiv:2605.24700},
year = {2026}
}