摘要
传统的基于物理的肖像图像重光照方法需要解决逆渲染问题，即估计面部几何结构、表面反射特性以及光照条件。然而，面部各成分的不准确估计往往会导致重光照过程中产生显著伪影，从而影响最终效果。在本工作中，我们采用一种基于物理的肖像重光照方法，构建了一个大规模、高质量、真实场景（in the wild）的肖像重光照数据集（DPR）。随后，利用该数据集训练了一个深度卷积神经网络（CNN），该网络以源图像和目标光照作为输入，生成重光照后的肖像图像。训练过程对输出结果进行正则化，有效消除了基于物理方法带来的伪影。此外，我们引入了GAN损失函数，进一步提升重光照图像的视觉质量。所训练的网络可处理分辨率高达1024×1024的肖像图像。我们在所提出的DPR数据集、Flickr肖像数据集以及Multi-PIE数据集上，从定性和定量两个方面对所提方法进行了全面评估。实验结果表明，该方法在各项指标上均达到当前最优水平。相关数据集与代码请参见：https://zhhoper.github.io/dpr.html。