Een Diffusiebenadering voor het Herbelichten van een Stralingsveld met behulp van Multi-verlichtingssynthese

A Diffusion Approach to Radiance Field Relighting using Multi-Illumination Synthesis

September 13, 2024

Auteurs: Yohan Poirier-Ginter, Alban Gauthier, Julien Phillip, Jean-Francois Lalonde, George Drettakis

cs.AI

Samenvatting

Het opnieuw verlichten van stralingsvelden is zeer slecht geconditioneerd voor multi-view data, die meestal worden vastgelegd onder één verlichtingsconditie; Het is vooral moeilijk voor volledige scènes met meerdere objecten. We introduceren een methode om relightable stralingsvelden te creëren met behulp van dergelijke single-illumination data door gebruik te maken van priors die zijn geëxtraheerd uit 2D-beeldverspreidingsmodellen. We stemmen eerst een 2D-verspreidingsmodel af op een multi-verlichtingsdataset geconditioneerd door lichtrichting, waardoor we een single-illumination opname kunnen uitbreiden tot een realistische - maar mogelijk inconsistente - multi-verlichtingsdataset vanuit direct gedefinieerde lichtrichtingen. We gebruiken deze uitgebreide data om een relightable stralingsveld te creëren dat wordt gerepresenteerd door 3D-Gaussische splats. Om directe controle over lichtrichting voor laagfrequente verlichting mogelijk te maken, stellen we uiterlijk voor met behulp van een multi-layer perceptron geparametriseerd op lichtrichting. Om multi-view consistentie af te dwingen en onnauwkeurigheden te overwinnen, optimaliseren we een per-image hulpkenmerkvector. We tonen resultaten op synthetische en echte multi-view data onder enkele verlichting, waarbij wordt aangetoond dat onze methode succesvol gebruikmaakt van 2D-verspreidingsmodel-priors om realistische 3D-relighting voor complete scènes mogelijk te maken. Project site https://repo-sam.inria.fr/fungraph/generative-radiance-field-relighting/

English

Relighting radiance fields is severely underconstrained for multi-view data, which is most often captured under a single illumination condition; It is especially hard for full scenes containing multiple objects. We introduce a method to create relightable radiance fields using such single-illumination data by exploiting priors extracted from 2D image diffusion models. We first fine-tune a 2D diffusion model on a multi-illumination dataset conditioned by light direction, allowing us to augment a single-illumination capture into a realistic -- but possibly inconsistent -- multi-illumination dataset from directly defined light directions. We use this augmented data to create a relightable radiance field represented by 3D Gaussian splats. To allow direct control of light direction for low-frequency lighting, we represent appearance with a multi-layer perceptron parameterized on light direction. To enforce multi-view consistency and overcome inaccuracies we optimize a per-image auxiliary feature vector. We show results on synthetic and real multi-view data under single illumination, demonstrating that our method successfully exploits 2D diffusion model priors to allow realistic 3D relighting for complete scenes. Project site https://repo-sam.inria.fr/fungraph/generative-radiance-field-relighting/