إعادة الإضاءة تُعد مهمة بالغة الأهمية من حيث الطلب العملي والقيمة الفنية، وقد أظهرت النماذج الانتشارية الحديثة إمكانات قوية من خلال تمكين تأثيرات إضاءة غنية وقابلة للتحكم. ومع ذلك، نظرًا لأنها تُحسَّن عادةً في فضاء التمثيل المعنوي، حيث لا يضمن التقارب تطابقًا فيزيائيًا في الفضاء البصري، فإنها غالبًا ما تُنتج نتائج غير واقعية، مثل الومضات المفرطة السطوع، والظلال غير المتماثلة، والاختناقات الخاطئة. نعالج هذه المشكلة من خلال UniLumos، وهو إطار موحد لإعادة الإضاءة للصور والفيديوهات، يُدمج مُرجعية هندسية في فضاء RGB داخل هيكل أساسي مبني على مطابقة التدفق. من خلال مراقبة النموذج باستخدام خرائط العمق وخرائط الاتجاهات المستخرجة من مخرجاته، نضمن محاذاة تأثيرات الإضاءة مع البنية المكانية للصورة، مما يعزز المصداقية الفيزيائية. ومع ذلك، يتطلب هذا المُرجعية نتائج عالية الجودة لتقديم المراقبة في الفضاء البصري، ما يجعل التصفية متعددة المراحل القياسية مكلفة من حيث الحوسبة. لتفادي هذا، نستخدم تعلُّم التماسك في المسار، مما يضمن بقاء المراقبة فعّالة حتى في ظل بيئة تدريب محدودة بالخطوات. ولتمكين التحكم الدقيق في إضاءة الصورة وتحديثها، نصمم بروتوكولًا مُهيكلًا مكوّنًا من ستة أبعاد يُسجّل السمات الأساسية للإضاءة. بناءً على هذا، نقترح LumosBench، وهو معيار مُنفصل على مستوى السمات، يُقيّم قدرة التحكم في الإضاءة من خلال نماذج الرؤية واللغة الكبيرة، ما يمكّن من تقييم تلقائي وقابل للتفسير لدقة إعادة الإضاءة عبر كل بُعد بشكل منفصل. تُظهر التجارب الواسعة أن UniLumos تحقق جودة مُستَجَدَّة مُتفوّقة في إعادة الإضاءة، مع تحسّن ملحوظ في الاتساق الفيزيائي، وتوفر تسريعًا يصل إلى 20 مرة في زمن معالجة إعادة الإضاءة للصور والفيديوهات. يُمكن الاطلاع على الكود من خلال الرابط: https://github.com/alibaba-damo-academy/Lumos-Custom.