美图 ECCV 论文：CFT 框架解决人像重打光不稳定难题
机器之心 · wechat · 2026-08-22
美图影像研究院（MTLab）提出 Consistent Feature Transport（CFT）方法，旨在解决现有扩散模型在人像重打光任务中面临的光照不稳定、阴影错乱及身份改变等问题。该研究将重打光重新表述为光照一致的特征传输问题，基于 RectifiedFlow 框架显式学习源图与目标图分布间的光照变换，并利用“同光照变换、不同内容”的配对数据监督核心损失函数，避免模型拟合特定内容差异。
核心思路与数据集
- 三阶段训练：包括噪声到目标图的条件生成、噪声到源图的重建（保持非光照内容），以及核心的源图到目标图的一致性特征传输。
- 大规模数据集：团队构建了覆盖室内外 14 类光照效果的大规模数据集，强调多色温与空间结构化照明。
实验结果
- 在像素保真、感知相似度等指标上，CFT 优于现有方案，尤其在多光源交互、色温偏移等困难场景下稳定性表现最佳。
- 消融实验显示，完整 CFT（L₁+L₂+L₃）在 SSIM、PSNR、LPIPS、FID 四项指标上均获最高分。
- 该方法在 OmniStyle 等风格迁移任务中验证了泛化能力，目前已集成至 Picchi、AirBrush 等美图产品。
「多模态」频道最新
- Krea-2-Turbo 图生图模型登陆 Hugging Face — mpasila · 2026-08-22
- 同一提示词仅改灯光描述，五种布光效果实测对比 — Elliswondr · 2026-08-22
- Krea 2 Turbo 蒸馏 LoRA 更新：4 步生成且误差缩减 13% — TimeTruth2490 · 2026-08-22
- GPT-4o 生图实测：一次性相机夜景下的人像细节 — SimplyAnnisa · 2026-08-22
- 创作者展示 Luma AI 生成的音视频作品 — TinfoilTricorn · 2026-08-22
- 发布 Krea2 超现实奇幻风格 LoRA，2400图训练 — kunge666 · 2026-08-22