如何从一张普通的单幅图像准确估计物体的三维法线和材质属性，是计算机视觉与图形学领域长期关注的难题。 这种单图逆渲染任务存在严重的不确定性，传统方法通常需要多角度或多光源的拍摄条件，难以在日常场景中普遍应用。 近日，由香港中文大学、上海人工智能实验室及南洋理工大学的研究团队联合研发的论文《Neural LightRig: Unlocking Accurate Object Normal and Material Estimation with Multi-Light Diffusion》。 其成果已被计算机视觉顶级会议CVPR 2025正式接收。 Neural LightRig团队 投稿 量子位 | 公众号 QbitAI Neural LightRig创新性地提出利用图像扩散模型（如Stable Diffusion）的强大先验信息，生成虚拟的多光照图像，从而有效解决单图估计法 线和PBR材质过程中存在的不确定性问题。 研究团队首次提出通过微调预训练的图像扩散模型，生成不同光照条件下的一致性多光照图像序列，这种方法有效减少了单图估计过程中的内 在不确定性。 混合条件策略 ：通过通道级别的图像拼接与参考注意力机制的 ...