近年来，图像重光照技术的快速发展得益于大规模数据集的积累和预训练扩散模型的广泛应用，这使得一致性光照在图像处理中变得越来越普遍。然而，在视频重光照领域，由于高昂的训练成本和缺乏多样化、高质量的视频重光照数据集，技术进展相对滞后。
将图像重光照模型简单地逐帧应用于视频处理，往往会导致一系列问题，例如光源的不一致性和重光照外观的波动，最终引发视频中的闪烁现象，严重影响观看体验。
为了解决这些挑战，研究团队提出了Light-A-Video，这是一种无需训练的、能够实现时间上平滑视频重光照的创新方法。 Light-A-Video不仅借鉴了图像重光照模型的优势，还引入了两个关键模块，以显着增强视频中光照的一致性。
首先，研究人员开发了一致光注意力（Consistent Light Attention，CLA）模块。该模块通过增强自注意力层内的跨帧交互，有效稳定了背景光源的生成，从而避免了视频中光源的跳跃和不一致问题。
其次，基于光传输独立性的物理原理，研究团队采用了线性融合策略，将源视频的外观与重光照外观进行混合。通过渐进光融合（Progressive Light Fusion，PLF）策略，确保了光照在时间上的平滑过渡，进一步提升了视频的视觉连贯性。
在实验中，Light-A-Video展现了卓越的性能，显着改善了重光照视频的时间一致性，同时保持了高质量的图像输出。其处理框架首先对源视频进行噪声处理，然后通过VDM模型逐步去噪。在每一步中，预测的无噪声组件作为一致目标，而一致光注意力模块则注入独特的光照信息，将其转化为重光照目标。最后，渐进光融合策略将两个目标合并，形成融合目标，为当前步骤提供了更精细的方向。
Light-A-Video的成功不仅展示了视频重光照技术的巨大潜力，也为未来的相关研究提供了新的思路和方向。这一技术的应用有望在影视制作、虚拟现实等领域带来革命性的变化。
划重点:
Light-A-Video是一种无需训练的技术，旨在实现视频重光照的时间一致性。
采用一致光注意力模块和渐进光融合策略，解决了视频重光照中的光源不一致问题。
实验表明，Light-A-Video显着提高了重光照视频的时间一致性与图像质量。