IntrinsicWeather：内在属性空间中的可控天气编辑

基于摘要分析。IntrinsicWeather 面向图像中的可控天气编辑，提出基于扩散先验的框架：先将输入图像分解为材质、场景几何和光照等内在属性图（intrinsic maps），再结合这些属性图与天气文本提示生成编辑图像。其主要研究对象是视觉场景编辑，而非 EEG 或 BCI。 框架包含逆向渲染器与前向渲染器。逆向渲染器估计场景的内在属性，前向渲染器利用几何、材质图及天气描述生成结果，使编辑控制不局限于像素空间。作者提出 intrinsic map-aware attention，以改善大型室外场景中的空间对应与分解质量；前向渲染则通过天气提示在 CLIP 空间中的插值实现细粒度天气控制。具体注意力实现、训练损失及插值设置尚未验证。 数据方面，作者介绍了分别包含 38k 和 18k 张图像的合成数据集与真实世界数据集，覆盖多种天气条件，并均带有 intrinsic map 标注。摘要未提供数据集名称、划分方式与标注生成流程。作者报告，该方法优于所比较的像素空间编辑、天气恢复及基于渲染的方法，但摘要未给出具体指标、数值或对照配置；作者还指出其有望用于自动驾驶等下游任务，增强恶劣天气下检测与分割的鲁棒性，相关验证范围尚不明确。 实验协议、消融及统计信息尚未验证，代码与数据获取条件亦需核对。材料未建立该视觉编辑机制与 EEG/BCI 的具体对应关系，因此不据此推断神经信号任务收益，也不提出迁移复现实验；相关 EEG 工作尚未检索确认。