Un equipo de investigación de la Universidad de Simon Fraser (SFU) ha desarrollado un enfoque auto-supervisado para el reluminado de fotografías en entornos naturales, permitiendo una edición de iluminación basada en principios físicos y totalmente controlable. El método, presentado en el contexto de la SIGGRAPH 2025, combina la precisión física del renderizado tradicional con la apariencia fotorealista del renderizado neuronal. El proceso comienza inferiendo una representación de malla colorida de la escena utilizando estimaciones monocular de geometría y componentes intrínsecos. Esta representación 3D permite a los usuarios definir configuraciones de iluminación específicas. A continuación, la escena se renderiza mediante un motor de trazado de rayos y se procesa a través de un renderizador neuronal de feed-forward para predecir el resultado final fotorealista. La innovación clave reside en el desarrollo de un proceso de renderizado diferenciable que permite reconstruir la iluminación de escenas del mundo real, facilitando el entrenamiento auto-supervisado del renderizador neuronal en colecciones de imágenes crudas. Este trabajo representa un avance significativo hacia la integración del control físico explícito de luces, disponible en herramientas de gráficos por computadora 3D como Blender, en aplicaciones de reluminado de fotografías. El enfoque se apoya en la descomposición de imágenes intrínsecas, separando la reflectancia superficial de los efectos de iluminación, lo que habilita aplicaciones como la eliminación de especularidad y el balance de blanco por píxel. La metodología está protegida por derechos de propiedad intelectual y se encuentra en fase de solicitud de patente.
Noticias agregadas con IA