controlnet作者新作，玩儿得人直呼过瘾，刚开源就揽星1.2k。
用于操纵图像照明效果的IC-Light，全称lmposing Consistent Light。
玩法很简单：
上传意味着系统会自动分离人物等主体，并选择光源位置，填上提示词，就能毫无破绽地融入新环境了！
赶紧来个王家卫式的打光：
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
不喜欢？
没关系，换成窗外打进来的自然光，也就分分钟的事。
目前，IC-Light提供两类模型：文本条件重照明模型，还有背景条件模型。
两种模型都需要以前景图像作为输入。
鉴于之前Controlnet太好玩儿，这次IC-Light一出现就颇受关注，还有网友迅速做出了ComfyUI插件。
（疑惑，大家这么拼，都不睡觉的吗？？）
不管是期待值还是用后体验，网友给得都很高：
Nice！迫不及待要上手玩了嘻嘻嘻嘻。
谁能帮我把这图换个背景？
从远古MCN到贴吧再到现在小红书，各个时代，都不乏“谁能帮我换张背景”这种求助贴。
但热心网友的帮助，往往是这样子的：
就离谱。
不过说实在话，这种需求不仅存在于你我普通人之间，电商做商品海报，也常常有类似的需求。
有了IC-Light，好像一切都变得简单起来。
上传主体原图+选择光源位置+提示词，完事儿。
来看效果：
这样一张佛像原图，加上提示词“佛像、细致的脸部、科幻RGB发光、赛博朋克”，再选择“光从左侧打来”。
就能得到一张崭新的成品：
哪怕是日常场景也是适用的。
最后出的效果肉眼看还是比较自然：
根据网友分享的测评，动漫场景也适用……
背后技术
如前所说，IC-Light现在提供两类模型，两种模型都需要以前景图像作为输入。
一类是文本条件重照明模型。
简单来说就是用户可以通过输入提示词来搞定生成。
比如输入“左侧光线”“月光”等，模型会通过这些提示词和初始潜变量，来生成符合要求和特征的图像。
另一类是背景条件模型。
这种就更简单了，不需要复杂的提示词，模型结合背景提示信息，对前景的物体进行不同风格的光照变化。
而其背后的技术原理，是通过潜在空间的一致性，确保模型输出在不同光源组合下具有一致性，从而可以稳定地合成各种光照效果。
具体如下：
在HDR空间中，所有照明的光线传输都彼此独立，不同光源的外观混合效果与多光源直接作用下的外观在数学上（也就是理想状态下）是一致的。
以上面这张图的灯光阶段为例，来自“外观混合”和“光源混合”的两个图像是一致的，（理想情况下，在HDR空间中数学上等效）。
因此，在训练重新照明模型时，研究人员在潜在空间中使用多层感知机（MLP）让不同光源的组合和传输具有一致性，并用来指导生成效果。
最终产生高度一致的重新光照效果。
由于模型使用了潜在扩散技术，因此可以在潜在空间内实现学习和重光照操作，从而在各种光照条件下产生高度一致的效果。
这些结果非常一致——尽管在训练时，模型没有直接使用法线图数据，但可以将不同的重新光照合并为法线贴图。
看下面这张图，从左到右依次是输入、模型输出、重新照明、分割的阴影图像和合并的法线贴图。
感兴趣的小伙伴可以前往下面地址试玩儿哟～
GitHub直通车：https://github.com/lllyasviel/IC-Light?tab=readme-ov-file。
