El método trabaja sobre fotografías reales, «in the wild». Primero infiere una malla de color de la escena a partir de estimaciones monoculares de la geometría y de los componentes intrínsecos de la imagen. Esa representación permite al usuario definir en 3D la iluminación que quiere: tipo de luz y configuración.
Después, un motor de path tracing renderiza la escena con la nueva iluminación. Ese resultado aproximado pasa por un renderizador neuronal feed-forward que predice la imagen final fotorrealista. Así se une la precisión física del render tradicional con el aspecto fotorrealista del render neuronal.
El entrenamiento es autosupervisado. Los autores desarrollan un proceso de render diferenciable que reconstruye la iluminación de cada escena y permite entrenar el renderizador neuronal con colecciones de imágenes sin etiquetar. Según los autores, es un paso para llevar a la reiluminación de fotos el control explícito de las luces propio de herramientas como Blender.
La página enlaza al artículo, a un vídeo, a una nota de prensa de la SFU y a la cobertura de PetaPixel y Two Minute Papers. Los autores son Chris Careaga y Yağız Aksoy. El método tiene una patente en trámite y la licencia se gestiona a través de la oficina de licencias tecnológicas de la universidad. El trabajo se apoya en publicaciones previas de los mismos autores sobre descomposición intrínseca de imágenes y armonización de iluminación en composiciones.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.