由 Lvmin Zhang、Edgar Simo-Serra、Yi Ji、Chunping Liu 等人提出的，从一张插图生成光照效果的技术！“Generating Digital Painting Lighting Effects via RGB-space Geometry”
SIGGRAPH 2020＆TOG 2020 技术论文

概要

提出了一种从单张图像生成数字绘画光照效果的算法。我们的算法基于一个重要观察：艺术家会使用大量重叠笔触来绘制光照效果。也就是说，具有密集笔触历史的像素往往会收集更多的光照笔触。基于这一观察，我们使用颜色几何来估计数字绘画中笔触的密度，并设计了一种通过模拟艺术家由粗到细的工作流程来生成新光照效果的算法。粗略的光照效果首先使用小波变换生成，然后根据原始插图中的笔触密度被重绘为可用的光照效果。
我们的算法是内容感知的，生成的光照效果能够自然适应图像结构，并且可以作为交互式工具，用于简化当前为数字绘画和哑光绘画生成光照效果的劳动密集型工作流程。此外，该算法也可以为照片和 3D 渲染图像生成可用的光照效果。我们通过定性分析以及包括感知用户研究在内的定量分析来评估我们的方法。结果表明，所提出的方法不仅能够生成比现有方法更理想的光照效果，还能显著减少所需的交互时间。

顺带一提，项目名叫“PaintingLight”，是由 Style2Paints 团队推进的项目，据说大约在 2019 年 1 月开始。

由于获取数字绘画照明数据并不容易，该算法不使用深度学习。其核心想法是利用颜色几何来构建一个感知上可行的重照明系统。这样的重照明在物理上可能并不准确，但对于艺术用途来说已经足够。

又出现了一项很有意思的技术呢。如果能在绘画完成后调整光照，表现空间似乎会进一步扩大。

今后的发展也很令人期待。GitHub 上似乎也公开了源码，不过该项目仍处于技术研究阶段，请注意。

链接

Generating Digital Painting Lighting Effects via RGB-space Geometry