# ICLight

使用 AI 驱动的照明控制重新点亮任何图像。

{% hint style="success" %}
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](https://clore.ai/marketplace).
{% endhint %}

{% hint style="info" %}
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](https://clore.ai/marketplace) 市场。
{% endhint %}

## 在 CLORE.AI 上租用

1. 访问 [CLORE.AI 市场](https://clore.ai/marketplace)
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](https://github.com/lllyasviel/IC-Light)
* **HuggingFace：** [lllyasviel/IC-Light](https://huggingface.co/lllyasviel/IC-Light)
* **演示：** [HuggingFace Space](https://huggingface.co/spaces/lllyasviel/IC-Light)
* **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：**

```bash
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

```bash
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：

```python
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：

```python
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

```python
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"
]
```

### ]

```python
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"

```python
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"

```python
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}")

```python
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")

```python
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]

```bash
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

```python
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

```python

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

```python

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*](https://clore.ai/marketplace) *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](https://docs.clore.ai/guides/guides_v2-zh/3d-sheng-cheng/triposr) 比较不同提供商的价格
* 下一步
* TripoSR
* [- 将重光图像转换为 3D](https://docs.clore.ai/guides/guides_v2-zh/tu-xiang-sheng-cheng/fooocus-simple-sd) 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。