ICLight

在 Clore.ai GPU 上使用 IC-Light 实现 AI 驱动的图像重光照

使用 AI 驱动的照明控制重新点亮任何图像。

所有示例都可以在通过以下方式租用的 GPU 服务器上运行： CLORE.AI 市场.

本指南中的所有示例都可以在通过以下方式租用的 GPU 服务器上运行： CLORE.AI 市场 市场。

在 CLORE.AI 上租用

1. 访问 CLORE.AI 市场

2. 按 GPU 类型、显存和价格筛选

3. 选择 按需 （固定费率）或 竞价 （出价价格）

4. 配置您的订单：

   • 选择 Docker 镜像

   • 设置端口（用于 SSH 的 TCP，Web 界面的 HTTP）

   • 如有需要，添加环境变量

   • 输入启动命令

5. 选择支付方式： CLORE, BTC，或 USDT/USDC

6. 创建订单并等待部署

访问您的服务器

• 在以下位置查找连接详情： 我的订单

• Web 界面：使用 HTTP 端口的 URL

• SSH： ssh -p <port> root@<proxy-address>

什么是 IC-Light？

lllyasviel 的 IC-Light 提供以下功能：

• 使用文本描述重新点亮图像

• 更改光照方向和颜色

• 添加或移除阴影

• 创建影棚照明效果

• 前景/背景重光照

资源

• GitHub： lllyasviel/IC-Light

• HuggingFace： lllyasviel/IC-Light

• 演示： HuggingFace Space

• 论文： 基于 ControlNet 架构

推荐硬件

组件	最低	推荐	最佳
GPU	RTX 3060 12GB	RTX 4080 16GB	RTX 4090 24GB
显存	8GB	12GB	16GB
CPU	4 核	8 核	16 核
内存	16GB	32GB	64GB
存储	30GB SSD	50GB NVMe	100GB NVMe
网络	100 Mbps	500 Mbps	1 Gbps

在 CLORE.AI 上快速部署

Docker 镜像：

pytorch/pytorch:2.5.1-cuda12.4-cudnn9-devel

端口：

22/tcp
7860/http

命令：

cd /workspace && \
git clone https://github.com/lllyasviel/IC-Light.git && \
cd IC-Light && \
pip install -r requirements.txt && \
python gradio_demo.py

访问您的服务

部署后，在以下位置查找您的 http_pub URL： 我的订单:

1. 前往 我的订单 页面

2. 单击您的订单

3. 查找 http_pub URL（例如， abc123.clorecloud.net)

使用 https://YOUR_HTTP_PUB_URL 而不是 localhost 在下面的示例中。

安装

git clone https://github.com/lllyasviel/IC-Light.git
cd IC-Light
pip install -r requirements.txt

# 模型将在首次运行时自动下载

您可以创建的内容

产品摄影

• 为电子商务提供完美照明

• 一致的目录图像

• 无需影棚即可获得影棚级效果

人像增强

• 修复照片中的不良光照

• 添加戏剧性照明效果

• 制作专业证件照

创意项目

• 情绪转换

• 昼夜转换（白天到夜晚）

• 艺术照明效果

视频制作

• 在场景间匹配光照

• 创建可用于视觉特效的素材

• 修复现场拍摄的照明问题

营销素材

• 主视觉图像制作

• 一致的品牌形象

• 快速照片修饰

基本用法

前景重光（FC 模式）

在保持背景不变的情况下重新点亮主体：

import torch
from PIL import Image
from diffusers import StableDiffusionPipeline
from ic_light import ICLightFC

# 加载模型
model = ICLightFC.from_pretrained("lllyasviel/IC-Light-FC")
model.to("cuda")

# 加载图像
image = Image.open("portrait.jpg")

# 使用文本提示重新点亮
result = model.relight(
    image=image,
    prompt="金色时刻的阳光从左侧照射",
    num_inference_steps=25
)

result.save("relit_portrait.jpg")

基于背景的条件（FBC 模式）

将前景的光照调整为匹配新的背景：

from ic_light import ICLightFBC
from PIL import Image

model = ICLightFBC.from_pretrained("lllyasviel/IC-Light-FBC")
model.to("cuda")

# 加载前景和新的背景
foreground = Image.open("person.png")  # 带透明背景
background = Image.open("sunset_scene.jpg")

# 重新点亮以匹配背景
result = model.relight(
    foreground=foreground,
    background=background,
    prompt="温暖的日落光线",
    num_inference_steps=25
)

result.save("composited.jpg")

照明提示

基于方向的照明

prompts = [
    "从左侧来的强光",
    "来自上方的柔光",
    "来自后方的戏剧性逆光",
    "来自右侧的轮廓光",
    "面向的漫射光",
    "来自下方的低角度光"
]

]

prompts = [
    基于颜色的照明
    "温暖的金色阳光",
    "冷蓝色的暮光",
    "霓虹粉色光",
    "绿色环境光",
    "橙色的日落光芒",
]

"白色影棚灯光"

prompts = [
    基于环境的照明
    "户外日光，明亮的太阳",
    "室内窗户光，柔和的阴影",
    "夜晚城市灯光，霓虹反射",
    "烛光，温暖闪烁",
    "多云的白天，漫射光",
]

"专业影棚柔光箱"

批处理处理
from PIL import Image
from ic_light import ICLightFC

model = ICLightFC.from_pretrained("lllyasviel/IC-Light-FC")
model.to("cuda")

import os
input_dir = "./images"
output_dir = "./relit"

os.makedirs(output_dir, exist_ok=True)

lighting_prompt = "专业影棚照明，柔和的阴影"
    for filename in os.listdir(input_dir):
        if not filename.endswith(('.jpg', '.png')):

    continue

    result = model.relight(
        image=image,
        image = Image.open(os.path.join(input_dir, filename))
        num_inference_steps=25
    )

    prompt=lighting_prompt,
    result.save(os.path.join(output_dir, f"relit_{filename}"))

print(f"已处理：{filename}")

from ic_light import ICLightFC
from PIL import Image
批处理处理

model = ICLightFC.from_pretrained("lllyasviel/IC-Light-FC")
model.to("cuda")

多种照明变化

image = Image.open("product.jpg")
    lighting_variations = {
    "daylight": "明亮的自然日光，干净的白色背景",
    "dramatic": "戏剧性的侧光，深色阴影",
    "warm": "温暖的金色时刻，柔和的橙色光晕",
    "cool": "冷蓝色照明，现代美学",
}

"studio": "专业影棚柔光箱，均匀照明"

}
    result = model.relight(
        image=image,
        os.makedirs("./variations", exist_ok=True)
        num_inference_steps=25
    )
    for name, prompt in lighting_variations.items():
    prompt=prompt,

result.save(f"./variations/{name}.jpg")

print(f"已生成：{name}")
from PIL import Image
from ic_light import ICLightFC

model = ICLightFC.from_pretrained("lllyasviel/IC-Light-FC")
model.to("cuda")

Gradio 界面
    import gradio as gr

    result = model.relight(
        image=image,
        os.makedirs("./variations", exist_ok=True)
        def relight_image(image, prompt, steps, seed):
        generator = torch.Generator("cuda").manual_seed(seed) if seed > 0 else None
    )

    num_inference_steps=steps,

generator=generator
    return result
    demo = gr.Interface(
        fn=relight_image,
        inputs=[
            gr.Image(type="pil", label="输入图像"),
            gr.Textbox(
            label="照明提示",
        ),
        value="专业影棚照明",
        placeholder="描述所需的照明..."
    ],
    ],
    gr.Slider(10, 50, value=25, step=5, label="步数"),
    gr.Number(value=-1, label="种子（-1 表示随机）")
    outputs=gr.Image(label="重光图像"),
        title="IC-Light - AI 图像重光化",
        description="通过文本描述更改任何图像中的光照。在 CLORE.AI GPU 服务器上运行。",
        examples=[
    ]
)

["example.jpg", "金色时刻的阳光从左侧照射", 25, -1],

["example.jpg", "戏剧性轮廓光，深色背景", 25, -1],

["example.jpg", "柔和的窗户光，轻柔阴影", 25, -1]

demo.launch(server_name="0.0.0.0", server_port=7860)
ComfyUI 集成

IC-Light 可作为 ComfyUI 节点使用：

1. cd ComfyUI/custom_nodes

2. git clone https://github.com/kijai/ComfyUI-IC-Light.git

3. ComfyUI 工作流

4. 加载您的图像

5. 添加 IC-Light Loader 节点

6. 连接到 IC-Light Apply 节点

设置照明提示

from ic_light import ICLightFBC
连接到 KSampler
from PIL import Image

输出到保存图像
带背景移除
from rembg import remove

# 首先移除背景
original = Image.open("photo.jpg")

foreground = remove(original)
model = ICLightFBC.from_pretrained("lllyasviel/IC-Light-FBC")
model.to("cuda")

result = model.relight(
    foreground=foreground,
    background=background,
    # 加载新的背景
    num_inference_steps=25
)

result.save("composited.jpg")

background = Image.open("studio_bg.jpg")

# 重新点亮以匹配	prompt="与背景匹配的影棚照明",	GPU	性能
模式	分辨率	速度	FC（前景）
模式	分辨率	512x512	RTX 3090
3s	分辨率	512x512	FC（前景）
模式	RTX 4090	2s	FBC（合成）

1024x1024

A100	4s	模型变体
模型	描述	使用场景
IC-Light-FC	前景一致	单张图像重光

IC-Light-FBC

前景-背景一致

与背景合成 常见问题与解决方案

光照未改变

• 问题：

• 输出看起来与输入相似

• 解决方案：

• 使用更具描述性的照明提示

将推理步数增加到 30-40
result = model.relight(
    image=image,
    尝试不同的种子值
    在提示中使用更强的对比（例如“戏剧性”与“柔和”）
)

# 更具描述性的提示

与背景合成 prompt="来自左上方的极其明亮的戏剧性聚光灯，右侧为深色阴影",

光照未改变

• num_inference_steps=35

• 面部/细节伪影

• 面部或细节看起来扭曲

• 降低强度/引导尺度

使用更多的推理步数

与背景合成 保持照明变化的微妙性

光照未改变

• 使用面部修复进行后处理

• 色彩偏移问题

• 不需要的颜色变化

• 在提示中明确说明颜色

在提示中添加“保留原始颜色”

与背景合成 使用中性色彩的照明描述

光照未改变

• 后处理颜色校正

• 背景变化

• 本应仅影响前景时背景发生变化

使用 FC 模式（前景一致）

与背景合成 预处理时移除背景

光照未改变

• 使用蒙版隔离主体

• 结果不一致

• 相同提示产生非常不同的结果

设置固定种子以获得可重复性
result = model.relight(
    image=image,
    os.makedirs("./variations", exist_ok=True)
    增加推理步数以提高稳定性
    使用更简单、更直接的提示
)

# 使用固定种子以获得一致结果

num_inference_steps=30,

• generator=torch.Generator("cuda").manual_seed(42)

• 故障排除

• 重光看起来不自然

将光照方向与场景匹配

• 使用合适的光强度

• 考虑原始图像中的阴影

• 背景受到影响

正确使用前景蒙版

• 首先将主体与背景分割

• 调整光衰减设置

• 输出过暗/过亮

调整光强值

• 如有可用，使用 HDR 输出

• 使用曲线进行后处理

• 模型无法加载

下载所有所需的检查点

检查文件完整性

GPU	验证 CUDA 兼容性	费用估算	CLORE.AI 市场的典型费率（截至 2024 年）：
按小时费率	~$0.03	~$0.70	~$0.12
速度	~$0.06	~$1.50	~$0.25
512x512	~$0.10	~$2.30	~$0.40
按日费率	~$0.17	~$4.00	~$0.70
4 小时会话	~$0.25	~$6.00	~$1.00

RTX 3060 CLORE.AI 市场 A100 40GB

A100 80GB

• 使用 竞价 价格随提供商和需求而异。请查看

• 以获取当前费率。 CLORE 节省费用：

• 市场用于灵活工作负载（通常便宜 30-50%）

使用以下方式支付

• 代币 比较不同提供商的价格

• 下一步

• TripoSR

• - 将重光图像转换为 3D Stable Diffusion - 生成用于重光的图像（用于重光） ，无法翻译的专有名词已保留原文。