本文提出了一种利用神经网络进行人像重灯光处理的方法，可以在只有一张手机拍摄的照片的情况下，将人像的光照效果变更为给定的任何光照环境，实现了比现有技术更优异的效果。

May, 2019

从单眼视频中生成可闪烁的音频驱动的说话肖像的新框架，使用隐式学习的面部法线和图像，结合三维面部先验和动态估计视频的光线条件进行反射分解，并通过身份一致性损失改进立体面部表示。

Sep, 2023

通过 OLAT 数据集，提出了一种新的基于神经网络的实时、高质量和一致的视频人像重照方法，这是一种混合结构和光照分离的编码器 - 解码器架构，采用多任务和对抗训练策略进行语义感知一致性建模，并采用流基础监督方案进行时间建模，同时还提出一种光照采样策略进行光照一致性建模，以实现自然人像轻松编辑和重照。

Apr, 2021

这篇论文提出了一种新方法，通过使用虚拟光源阵列来生成数据集，以代替使用高昂的专用抓取设备，从而实现高质量人像重新照明，同时保持真实感和物理上的一致性。

Sep, 2022

通过基于单图几何重建的框架实现针对人体的单张图片重照，在去除光照的同时，通过采用经过修改的 HRNet 和基于光线追踪的每像素灯光表示方法，恢复逼真的阴影，展现出包括硬阴影在内的高频阴影效果，优于先前的方法。

Jul, 2022

VoLux-GAN 是一种用于综合具有令人信服的再照明的 3D 感知面孔的生成框架。我们的主要贡献是一种体积 HDR 再照明方法，可以有效地沿着每个 3D 射线累积漫反射和高光反射等光照贡献。此外，我们展示了监督图像分解过程使用多个鉴别器的重要性。通过多个实验和与其他生成框架的比较，我们的模型是迈向照片般逼真的 3D 再照明生成模型的一大步。

Jan, 2022

本文提出了一个称之为 Relighting4D 的结构化框架，通过神经网络分解人体的空间时间几何和反射属性为一组法线、遮挡、漫反射和镜面映射的神经场，进而进行基于物理的面部渲染且可自我学习。通过在真实和合成数据集上的广泛实验验证，我们的方法能够以自我监督学习的方式将人体演员的表演与其背景分离，实现无限可调的动态换背景。

Jul, 2022

通过使用高保真的几何模型和外观模型以及实时渲染技术，我们提出了实时可重光头像的方法，该方法能够捕捉到人脸细节，并支持多种材质的统一呈现。

Dec, 2023

本文研究基于物理学原理的图像形成模型的深度学习架构，包括去除图像光线和校正漏光，并应用到肖像摄影数据库中。结果表明，该模型可以实现精确和可信的照明结果，并且可以推广到复杂的光照条件和挑战性姿势，包括主体未直视相机。

Jun, 2019

用于人像与新背景合成的一种考虑照明效果的扩散模型，通过引入灯光表示模块、对齐网络和数据模拟管道，实现了对全局色彩和亮度的调整以及场景中来自背景的关键照明线索的融合。该方法在视觉保真度和照明连贯性方面优于现有基准，在实际测试中表现出卓越的泛化能力，凸显了其多功能和实用性。

Dec, 2023