基于像素空间 Flow 模型的原生 HDR 单图像重光照

基于摘要分析。本文研究单图像重光照，提出直接在像素空间生成原生高动态范围（HDR）结果的 Flow 模型，旨在避免低动态范围（LDR）表示对光照重建与细节保留的限制。作者报告，模型仅用成对的合成单物体图像微调，即可泛化到复杂真实场景，并在其评估中优于既有方法；具体数据集、划分、对照方法与指标尚未验证。 方法包含三项设计。首先，不修改预训练模型的条件通路来适应重光照任务，而是将任务条件转换成模型原本能够接受的形式，以保留预训练知识；摘要未交代具体条件编码。其次，绕过基于 LDR 数据训练的变分自编码器（VAE），直接在像素空间预测 HDR。作者认为，这能减少 VAE 有损重建及表示范围的约束，保留源图像细节，并简化 HDR 微调。最后，利用光传输的可加性建立线性约束；作者报告，相较于在 LDR VAE 潜空间中施加约束的既有方案，该设计能更好地维持一致性，但约束的数学形式及训练配置尚未验证。 阅读全文时需核对 HDR 数值表示、条件转换方式、合成训练数据与真实场景评估协议，以及各设计对应的消融和统计信息。本文主要贡献属于图像重光照与物理约束生成建模；现有材料未提供其与 EEG/BCI 的具体机制对应关系，不据此推断神经信号任务收益。