light space

https://www.cg.tuwien.ac.at/research/publications/2004/Wimmer-2004-LSPM/Wimmer-2004-LSPM-Paper.pdf

https://www.scratchapixel.com/lessons/digital-imaging/colors/color-space Remember that this lesson is only an introduction to the topic of colors. It gives enough information for the reader to underst...

《光源空间详解》摘要：光源空间是以光源为原点建立的坐标系，用于计算机图形学中的阴影贴图、投影贴图等技术。通过模拟"光的视角"判断场景中的可见区域，实现实时阴影生成和光照计算。文章详细介绍了从对象空间到光源空间的坐标变换过程，包括平行光和点光源对应的投影矩阵差异，并分析了阴影贴图采样流程中的关键步骤。同时指出不同图形API的坐标系差异、阴影偏移等注意事项。光源空间是实现高质量实时光影效果的基础技术，掌握其原理对3D图形开发至关重要。

https://www.scratchapixel.com/lessons/digital-imaging/colors/introduction introduction however simple in appearance and quite common, the notion of color is in reality a complex issue. it is not only ...

自从接触过 spacemacs 以后，就非常喜欢它的主题：spacemacs-theme，后来照葫芦画瓢移植了一个深色背景下的 space-vim-dark。 不过用了一段时间以后发现，如果白天光线非常好，使用黑色背景可能会出现反光的情况，所以就基于 vim-colortemplate 重新移植了 spacemacs-theme，这次同时支持深色和浅色背景。按照 vim-colortemplate...

本文通过提出HVI色彩空间和CIDNet模型，为低光照图像增强领域带来了新的突破。HVI色彩空间通过极化HS图和可学习的强度压缩函数，有效解决了传统色彩空间在低光照图像增强中的不足。同时，CIDNet网络的双分支结构和交叉注意力机制进一步提升了图像增强的效果。实验结果表明，HVI色彩空间和CIDNet模型在多个数据集上均取得了优异的性能，证明了其在低光照图像增强中的有效性和实用性。

本文提出了一种新型色彩空间HVI用于低照度图像增强。针对传统HSV空间在红色区域存在断裂和在暗区产生彩色噪点的问题，HVI通过极化操作将色相映射为连续坐标，并引入可学习的强度坍缩函数抑制暗区噪声。模型采用双分支U-Net结构分别处理亮度和色彩信息，通过交叉注意力模块保持两者关联。实验表明，HVI空间能更好地保持颜色连续性，同时损失函数结合HVI和RGB空间的优化，兼顾感知相似性和像素级精度。该方法避免了复杂网络结构，为低照度增强提供了更符合人眼感知的色彩表示方案。

探索未来视觉体验：Neural Light Fields with Ray-Space Embedding 开源项目 neural-light-fieldsThis repository contains the code for Learning Neural Light Fields with Ray-Space Embedding Networks.项目地址:https://gitcode...

本文提出了一种用于微光图像增强的新型HVI色彩空间和CIDNet网络。针对现有sRGB和HSV空间在LLIE任务中存在的颜色失真和噪声伪影问题，HVI空间通过极化HS映射消除红色噪声，利用可学习强度函数压缩暗区去除黑色噪声。CIDNet网络则通过解耦颜色和强度分支，在HVI空间实现精确的光度映射。实验表明，该方法在10个数据集上优于现有技术，具有参数少（1.88M）、计算量小（7.57GFLOPs）的优势，能有效恢复自然色彩和细节。该工作为LLIE任务提供了新的色彩空间解决方案。

这是一篇刚刚发表在一些翻译靠的是机翻，可能不是很准，还请以原文为准，我会适当把原文贴出来。

4）方法：为了解决上述问题，提出一种新的色彩空间——水平/垂直强度（HVI），该色彩空间由偏振HS图和可学习的强度定义。偏振HS图使红色坐标之间的距离更小，从而去除红色伪影，而可学习的强度则通过压缩低光区域来去除黑色伪影。3）背景：现有的低光图像增强方法大多基于标准RGB（sRGB）色彩空间，这种方法常常由于sRGB色彩空间的高色彩敏感度而产生色偏和亮度伪影。5）结果：通过基准测试和消融实验的综合结果表明，所提出的HVI色彩空间和CIDNet模型在10个数据集上的表现优于当前最先进的低光图像增强方法。

探索神经光场：Ray-Space Embedding的深度学习之旅 项目介绍 在计算机视觉和图形学领域，神经光场（Neural Light Fields）是一个前沿的研究方向，旨在通过深度学习技术来模拟和渲染复杂的光照效果。本项目“Learning Neural Light Fields with Ray-Space Embedding”正是这一领域的杰出代表。该项目基于PyTorch Light...

本文提出了一种新的色彩空间HVI（水平/垂直强度），旨在解决低光照图像增强（LLIE）中的颜色偏差和亮度伪影问题。现有的LLIE方法通常基于标准RGB（sRGB）空间，容易产生颜色失真和亮度伪影。HVI通过极化的色相和饱和度（HS）图以及可学习的强度映射，减少了相似颜色之间的欧几里得距离，从而消除了红色伪影，并压缩低光区域以去除黑色伪影。为充分利用色度和强度信息，本文还提出了一种新颖的颜色和强度解耦网络（CIDNet），用于在HVI空间中学习准确的光度映射函数。

针对超高清低照度图像增强中的计算复杂度和信息丢失问题，提出Wave-Mamba模型。该模型创新性地结合离散小波变换（DWT）与状态空间模型（SSM），通过小波域分析发现：1）93.7%图像能量集中于低频分量；2）高频对增强结果影响微弱。基于此，设计低频状态空间模块（LFSSBlock）进行全局增强，并通过改进的高频增强模块（HFEBlock）校正细节。

这段时间一直在看Metropolis Light Transport(简称mlt)，现利用这篇博文把之前看资料已经coding上的一些体会记录下来。 1.Before MLT 在MLT算法被提出之前，最热的GI算法bidirectional path tracing虽然对比于basic path tracing已经有了效率上的明显提高，但是对于复杂场景的表现力仍显不足...