UniLight：统一的光照表示

基于摘要分析。本文研究图像光照的多种表示彼此不兼容、限制跨模态迁移的问题，提出 UniLight，以共享潜在空间统一文本、图像、辐照度和环境贴图等模态。其主要研究对象是视觉场景中的光照表示与操控，而非 EEG 或 BCI。 方法为不同模态设置专用编码器，通过对比学习对齐表示，并引入球谐预测辅助任务，以强化对光照方向的理解。核心思路不是将所有输入转换为同一种显式光照格式，而是在共享嵌入中建立不同表示之间的对应关系。摘要未提供编码器结构、对比样本构造、损失权重或球谐预测的具体设置。 作者介绍了支持大规模训练的多模态数据流程，并在基于光照的检索、环境贴图生成及基于扩散模型的图像合成光照控制三类任务上开展评估。作者报告，该表示能够捕获一致且可迁移的光照特征，支持跨模态操控；但摘要未提供数据规模、划分、对照基线或具体指标，因此无法量化收益，也无法核对各任务中的泛化边界。 复现时需进一步核对多模态数据的配对与构造方式、对比学习及球谐辅助任务的实现、下游生成模型的接入方式，以及相应消融和统计结果；这些信息尚未验证。共享表示机制具有一般方法参考价值，但原文未提供神经信号实验，相关 EEG 工作尚未检索确认。