IC-Light 图片打光神器、背景自然融合替换

在线运行此教程

项目介绍

IC-Light  是一个旨在通过机器学习模型实现图像重新照明的项目，全称为 Imposing Consistent Light 。它提供了两类主要模型：文本条件照明模型和背景条件模型，分别根据文本提示或背景内容对前景图像进行照明调整。该项目通过 Gradio 接口易于使用，并自动下载预训练模型。 IC-Light 在高动态范围（HDR）空间中融合光源，实现了高度一致的照明效果，适用于各种图像场景的光影调整。

IC-Light 的特点包括：

  • 模型多样性：提供文本条件和背景条件的照明模型，分别通过文本提示或背景图像调整前景的光照。
  • 一致性：基于 HDR 空间光源的混合，实现高度一致的光影效果。
  • 非侵入式：无需精细提示即可生成效果一致的图像。
  • 高质量重照明：即使是不同光照条件的图像也能保持一致性，生成自然的光影效果。。

效果示例

模型框架

IC-Light  的模型框架主要基于机器学习中的潜在扩散模型（Latent Diffusion Models）。其中，文本条件模型根据用户输入的文本提示生成光影效果，背景条件模型通过背景图像决定前景的光照。两个模型都通过多层感知器（MLP）在潜在空间中执行光照调整，确保照明一致性。

运行步骤

1. 在该项目右上角点击「克隆」，随后依次点击「下一步」即可完成：基本信息> 选择算力> 审核等步骤。最后点击「继续执行」即可在个人容器内开启本项目。

2. 资源分配完成后，后台会自动初始化模型（大概 80 秒左右），随后可直接使用平台提供的 API 地址进行操作页面的访问（需要已完成实名认证，此步无需打开工作空间）

3. 上传目标图片及背景图片进行背景图插入。

IC-Light  可以根据输入的 CFG Scale 控制生成图像的引导强度。具体来说，它决定了模型多大程度上遵循输入的提示或描述。较高的 CFG 值会使生成的图像更接近提示内容，但可能导致图像失去一些自然性；较低的值则会生成更多样化、自然的图像，但可能偏离提示。通过调整 CFG scale，用户可以在生成效果与提示一致性之间找到平衡。

  • 可选参数如下：
  • 自定义参数如下：