ICLight

在 Clore.ai GPU 上使用 IC-Light 进行 AI 图像重打光

使用 AI 驱动的照明控制，为任意图像重新打光。

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、VRAM 和价格筛选

3. 选择 按需 （固定费率）或 竞价 （出价）

4. 配置你的订单：

   • 选择 Docker 镜像

   • 设置端口（SSH 用 TCP，Web UI 用 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

访问你的服务器

• 在以下位置查找连接信息 我的订单

• Web 界面：使用 HTTP 端口 URL

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

什么是 IC-Light？

lllyasviel 的 IC-Light 支持：

• 根据文本描述为图像重新打光

• 更改光照方向和颜色

• 添加或移除阴影

• 创建影棚灯光效果

• 前景/背景重打光

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
VRAM	8GB	12GB	16GB
CPU	4 核	8 核	16 核
RAM	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:2.11.0-cuda12.8-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

访问你的服务

部署后，找到你的 http_pub URL 在 我的订单:

1. 前往 我的订单 页面

2. 点击你的订单

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

使用 https://YOUR_HTTP_PUB_URL 替代 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

# 模型会在首次运行时自动下载

你可以创建什么

产品摄影

• 为电商提供完美光照

• 一致的目录图片

• 无需影棚即可获得影棚级效果

人像增强

• 修正照片中的不良光照

• 添加戏剧性的光效

• 创建专业头像照

创意项目

• 氛围转换

• 日夜转换

• 艺术化光效

视频制作

• 跨场景匹配光照

• 创建适合 VFX 的素材

• 修正现场拍摄的光照问题

营销素材

• 主视觉图创建

• 一致的品牌视觉图像

• 快速照片修饰

基础用法

前景重打光（FC 模式）

在保持背景不变的情况下重新为主体打光：

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")

# 使用文本提示重新打光
result = model.relight(
    image=image,
    prompt="左侧的金色日光",
    num_inference_steps=25
)

result.save("relit_portrait.jpg")

背景条件（FBC 模式）

让前景重新打光以匹配新背景：

from ic_light import ICLightFBC
from PIL import Image

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

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

# 重新打光以匹配背景
result = model.relight(
    foreground=foreground,
    background=background,
    prompt="温暖的日落光照",
    num_inference_steps=25
)

result.save("composited.jpg")

光照提示词

基于方向的光照

prompts = [
    "来自左侧的明亮光线",
    "来自上方的柔和光线",
    "来自后方的戏剧性背光",
    "来自右侧的轮廓光",
    "正面扩散光",
    "来自下方的低角度光线"
]

基于颜色的光照

prompts = [
    "温暖的金色阳光",
    "清冷的蓝色黄昏",
    "霓虹粉色光",
    "绿色环境光",
    "橙色日落余晖",
    "白色影棚灯光"
]

基于环境的光照

prompts = [
    "户外日光，强烈阳光",
    "室内窗光，柔和阴影",
    "夜晚城市灯光，霓虹反射",
    "烛光，温暖摇曳",
    "阴天，漫射光",
    "影棚柔光箱，专业"
]

批量处理

import os
from PIL import Image
from ic_light import ICLightFC

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

input_dir = "./images"
output_dir = "./relit"
os.makedirs(output_dir, exist_ok=True)

lighting_prompt = "专业影棚灯光，柔和阴影"

for filename in os.listdir(input_dir):
    if not filename.endswith(('.jpg', '.png')):
        continue

    image = Image.open(os.path.join(input_dir, filename))

    result = model.relight(
        image=image,
        prompt=lighting_prompt,
        num_inference_steps=25
    )

    result.save(os.path.join(output_dir, f"relit_{filename}"))
    print(f"已处理：{filename}")

多种光照变化

from ic_light import ICLightFC
from PIL import Image
import os

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

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": "温暖的黄金时刻，柔和的橙色光晕",
    "cool": "清冷的蓝色灯光，现代美感",
    "studio": "专业影棚柔光箱，均匀照明"
}

os.makedirs("./variations", exist_ok=True)

for name, prompt in lighting_variations.items():
    result = model.relight(
        image=image,
        prompt=prompt,
        num_inference_steps=25
    )
    result.save(f"./variations/{name}.jpg")
    print(f"已生成：{name}")

Gradio 界面

import gradio as gr
from PIL import Image
from ic_light import ICLightFC

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

def relight_image(image, prompt, steps, seed):
    generator = torch.Generator("cuda").manual_seed(seed) if seed > 0 else None

    result = model.relight(
        image=image,
        prompt=prompt,
        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="光照提示词",
            value="专业影棚灯光",
            placeholder="描述你想要的光照..."
        ),
        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="重打光图像"),
    title="IC-Light - AI 图像重打光",
    description="使用文本描述更改任意图像中的光照。在 CLORE.AI GPU 服务器上运行。",
    examples=[
        ["example.jpg", "左侧的金色日光", 25, -1],
        ["example.jpg", "戏剧性的轮廓光，深色背景", 25, -1],
        ["example.jpg", "柔和的窗光，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：

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

ComfyUI 工作流

1. 加载你的图像

2. 添加 IC-Light Loader 节点

3. 连接到 IC-Light Apply 节点

4. 设置光照提示词

5. 连接到 KSampler

6. 输出到 Save Image

配合背景移除使用

from ic_light import ICLightFBC
from rembg import remove
from PIL import Image

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

# 加载新背景
background = Image.open("studio_bg.jpg")

# 重新打光以匹配
model = ICLightFBC.from_pretrained("lllyasviel/IC-Light-FBC")
model.to("cuda")

result = model.relight(
    foreground=foreground,
    background=background,
    prompt="与背景匹配的影棚灯光",
    num_inference_steps=25
)

result.save("composited.jpg")

性能

模式	分辨率	GPU	速度
FC（前景）	512x512	RTX 3090	3 秒
FC（前景）	512x512	RTX 4090	2 秒
FBC（合成）	512x512	RTX 4090	3 秒
FC（前景）	1024x1024	A100	4 秒

模型变体

模型	描述	使用场景
IC-Light-FC	前景一致	单张图像重打光
IC-Light-FBC	前景-背景一致	与背景合成

常见问题与解决方案

光照没有变化

问题： 输出看起来与输入相似

解决方案：

• 使用更详细的光照提示词

• 将推理步数提高到 30-40

• 尝试不同的种子值

• 在提示词中使用更强的对比（例如，“戏剧性”对比“柔和”）

# 更详细的提示词
result = model.relight(
    image=image,
    prompt="来自左上方的极亮戏剧性聚光灯，右侧深色阴影",
    num_inference_steps=35
)

脸部/细节出现伪影

问题： 脸部或细节看起来失真

解决方案：

• 降低强度/引导尺度

• 使用更多推理步数

• 保持光照变化微妙

• 使用人脸修复进行后处理

颜色偏移问题

问题： 不需要的颜色变化

解决方案：

• 在提示词中明确说明颜色

• 在提示词中添加“保留原始颜色”

• 使用中性色的光照描述

• 进行颜色校正后处理

背景变化

问题： 当只应改变前景时，背景却发生了变化

解决方案：

• 使用 FC 模式（前景一致）

• 通过去除背景进行预处理

• 使用蒙版分离主体

结果不一致

问题： 相同提示词会得到很不同的结果

解决方案：

• 设置固定种子以确保可复现

• 增加推理步数以提高稳定性

• 使用更简单、更直接的提示词

# 使用固定种子获得一致结果
result = model.relight(
    image=image,
    prompt=prompt,
    num_inference_steps=30,
    generator=torch.Generator("cuda").manual_seed(42)
)

故障排查

重新打光看起来不自然

• 使光照方向与场景一致

• 使用合适的光照强度

• 考虑原图中的阴影

背景受到影响

• 正确使用前景蒙版

• 先将主体从背景中分割出来

• 调整光衰减设置

输出过暗/过亮

• 调整光照强度值

• 如可用，请使用 HDR 输出

• 使用曲线进行后处理

模型未加载

• 下载所有必需的检查点

• 检查文件完整性

• 验证 CUDA 兼容性

成本估算

CLORE.AI 市场的典型费率（截至 2024 年）：

GPU	小时费率	日费率	4 小时会话
RTX 3060	~$0.03	~$0.70	~$0.12
RTX 3090	~$0.06	~$1.50	~$0.25
RTX 4090	~$0.10	~$2.30	~$0.40
A100 40GB	~$0.17	~$4.00	~$0.70
A100 80GB	~$0.25	~$6.00	~$1.00

价格因提供商和需求而异。请查看 CLORE.AI 市场 以获取当前费率。

节省费用：

• 使用 竞价 可中断工作市场——约三分之一的服务器将现货价格定得低于按需价格（中位数约优惠 13%），其余则与按需价格持平

• 使用 CLORE 代币支付

• 比较不同提供商的价格

下一步

• TripoSR - 将重新打光后的图像转换为 3D

• Stable Diffusion - 生成用于重新打光的图像

• ComfyUI - 高级工作流集成

• Fooocus - 简单图像生成