Light4D: Trainingsfreie 4D-Video-Neubeleuchtung aus extremen Blickwinkeln
Light4D: Training-Free Extreme Viewpoint 4D Video Relighting
February 12, 2026
papers.authors: Zhenghuang Wu, Kang Chen, Zeyu Zhang, Hao Tang
cs.AI
papers.abstract
Jüngste Fortschritte bei diffusionsbasierten generativen Modellen haben ein neues Paradigma für die Neubeleuchtung von Bildern und Videos etabliert. Die Übertragung dieser Fähigkeiten auf die 4D-Neubeleuchtung bleibt jedoch eine Herausforderung, hauptsächlich aufgrund der Knappheit an gepaarten 4D-Trainingsdaten zur Neubeleuchtung und der Schwierigkeit, die zeitliche Konsistenz über extreme Blickwinkel hinweg aufrechtzuerhalten. In dieser Arbeit stellen wir Light4D vor, ein neuartiges, trainingsfreies Framework, das darauf ausgelegt ist, konsistente 4D-Videos unter Zielbeleuchtung zu synthetisieren, selbst bei extremen Blickwinkeländerungen. Erstens führen wir eine Entkoppelte Flussführung (Disentangled Flow Guidance) ein, eine zeitbewusste Strategie, die Lichtsteuerung effektiv in den latenten Raum einbringt und gleichzeitig die geometrische Integrität bewahrt. Zweitens entwickeln wir, um die zeitliche Konsistenz zu verstärken, eine Temporal Consistent Attention innerhalb der IC-Light-Architektur und integrieren weiterhin eine deterministische Regularisierung, um Flackern in der Erscheinung zu eliminieren. Umfangreiche Experimente belegen, dass unsere Methode eine wettbewerbsfähige Leistung in Bezug auf zeitliche Konsistenz und Beleuchtungstreue erzielt und Kamerarotationen von -90° bis 90° robust handhabt. Code: https://github.com/AIGeeksGroup/Light4D. Website: https://aigeeksgroup.github.io/Light4D.
English
Recent advances in diffusion-based generative models have established a new paradigm for image and video relighting. However, extending these capabilities to 4D relighting remains challenging, due primarily to the scarcity of paired 4D relighting training data and the difficulty of maintaining temporal consistency across extreme viewpoints. In this work, we propose Light4D, a novel training-free framework designed to synthesize consistent 4D videos under target illumination, even under extreme viewpoint changes. First, we introduce Disentangled Flow Guidance, a time-aware strategy that effectively injects lighting control into the latent space while preserving geometric integrity. Second, to reinforce temporal consistency, we develop Temporal Consistent Attention within the IC-Light architecture and further incorporate deterministic regularization to eliminate appearance flickering. Extensive experiments demonstrate that our method achieves competitive performance in temporal consistency and lighting fidelity, robustly handling camera rotations from -90 to 90. Code: https://github.com/AIGeeksGroup/Light4D. Website: https://aigeeksgroup.github.io/Light4D.