稠密光源标注为何难以获取
光源估计用于恢复场景光源的色度，从而校正不同光照带来的色彩偏移。基于学习的模型，包括卷积和Transformer架构，通过利用上下文与语义信息提升了鲁棒性，但其进展受限于带有准确光源真值的大规模数据集稀缺。获取这类真值需要受控的拍摄条件和参考测量。
多光源估计的问题更突出：光照在场景中随空间变化，需要像素级标注。真实图像中这类标注极难大规模获得，这正是本文针对的空白。
把渲染场景复用为光源监督
论文提出一套通用、可复用的管线，从物理渲染的3D场景中导出稠密光源色度图。它复用了已有的3D场景集合Hypersim，该数据集提供几何与光度元数据，并把场景辐射分解为漫射光照与残余非漫射分量。由于物理渲染保持光照、反射率与观测颜色之间的光度一致性，稠密光源真值图可以从渲染输出中导出。
每张渲染图像被重建为 I = (R ⊙ L) + ρ，其中 L 是漫射光照，R 是漫射反射率，ρ 捕捉镜面反射、互反射及其他非朗伯效应。作者用 L 作为场景光源的代理，这对朗伯表面是准确的。
仅靠漫射光照为何不够
仅依赖 L 在镜面反射、阴影或其他非漫射效应主导的区域会失效：此时残余项 ρ 贡献了大部分观测辐射，而 L 可能接近零或缺失，被渲染为黑色像素。直接使用 L 会产生不完整或物理上不一致的光源图。
为此，管线在归一化前用残余的灰度强度增强漫射光照：L̂ = normalize(L + avg(ρ))，其中 avg(ρ) 是残余图像在RGB通道上的逐像素均值。残余被假定主要由视角相关反射率主导，因此提供的可靠色度信息有限，这一选择在色度上刻意保守：避免注入虚假颜色，同时在非漫射区域保留光照强度。合并后的光照随后被归一化为稠密的逐像素色度图。
图像以HDR格式提供；作者应用数据集作者发布的色调映射函数，但省略伽马校正，以保持辐射与像素值之间的线性关系。当漫射光照图像包含黑色像素时，他们假定为中性光照，并生成二值掩码把这些像素排除在训练损失之外。经人工检查剔除畸形图像后，最终得到74,321张图像，称为Hypersim-WB。数据划分按场景进行以避免数据泄漏：80%的场景用于训练，20%用于测试，训练集中另留20%作为验证。
合成预训练如何被检验
所有实验采用一致设置，旨在把合成预训练的贡献与架构选择分离，关注数据效率、有限监督下的鲁棒性和收敛行为，而非绝对峰值性能。模型先在Hypersim-WB上预训练，再在真实数据集上微调，使用Adam优化器，初始学习率1×10⁻⁴，余弦退火每10个epoch热重启，微调时早停耐心值为50个epoch。推理时测试图像缩放到256×256像素，模型输出再缩放回原始尺寸。训练使用角度误差损失，并掩蔽仅由残余 ρ 贡献辐射的像素。评估报告角度误差分布：均值、最优四分位（B-25）、最差四分位（W-25）和95百分位（95-P）。
在多光源估计中，作者评估两种图像到图像架构UNet和HDRNet，训练其从RGB输入推断稠密光源图，并与Gray World和FC4模型比较，后两者分别代表统计和基于学习的单光源基线，其全局预测被扩展到真值稠密图的尺寸。基于学习的模型先在Hypersim-WB上预训练，再在真实LSMI和MIMO数据集上微调，同时也在目标数据集上从零训练作为对照。
真实数据稀缺时预训练增益最大
在Hypersim-WB上预训练的模型持续优于仅在真实数据上训练的模型。提升在MIMO这类较小数据集上尤为明显，该数据集有78张图像，凸显了合成预训练在泛化和收敛上的作用。即使在LSMI这类较大数据集上，预训练模型也保持优于从零训练的对照。
在MIMO上的数据集缩减研究把数据稀缺效应显式化。训练集逐步缩减到原始规模的1/2、1/4和1/8，测试集保持不变，采用交叉折验证和UNet架构，因为它在先前实验中表现最佳。性能随数据集缩小而下降，但微调模型持续优于从零训练的对照，且预训练模型退化得慢得多。在论文各项实验中，合成预训练为单光源估计带来最高28%的增益，为多光源估计带来最高57%的增益。
同一数据集服务两种估计设定
尽管Hypersim-WB是为稠密图的多光源估计设计的，但通过对每张图像的光源真值色度取平均，它也能用于单光源任务。作者评估Gray World、FC4以及UNet和HDRNet架构，把其稠密预测取平均得到单个RGB光源向量，所有模型用相同超参数预训练，并在ColorChecker数据集上微调。
这一点重要，因为同一套合成监督支持两种输出粒度不同的估计设定：每张图像一个全局光源向量，对比逐像素的稠密图。报告的增益应按各自设定分别解读，而不是当作一个可互换的数字。
管线可迁移到哪里，哪里不行
作者强调，Hypersim实例是作为可扩展性的证明，而非数据集层面的贡献：方法本身可迁移到其他渲染环境和合成场景集合，且与网络架构无关。论文的未来工作指向把管线应用于户外和更复杂光照条件的数据集，以及研究域适应，以更好地把学到的光源表示迁移到真实图像。
这里的证据受所评估的基准和架构限制。管线的残余处理假定残余主要由视角相关反射率主导，提供的可靠色度信息有限；黑色像素区域则通过假定中性光照并将其从损失中掩蔽来处理。这些选择限定了稠密图应如何解读，尤其是在镜面、阴影或非漫射区域。
真实标注有限时该关注什么
论文最具决策相关性的模式是一种情景划分，而非单一头条数字：合成预训练在跨数据集和任务上都有帮助，但优势在多光源估计和真实数据有限时最强，此时随着真实训练集缩减到MIMO的1/2、1/4和1/8，预训练模型退化得慢得多。对于权衡是否投入合成预训练的读者，相关问题不是它能否在大型真实基准上胜过从零训练，而是在差距拉大之前能替代多少真实稠密标注。
本研究隐含的实用阈值是能否获得准确的稠密光源真值：当像素级真实标注稀缺，或必须捕捉空间变化的光照时，物理合成管线是更具可扩展性的起点，但需注意其残余和黑色像素假设会塑造它所生成的监督。
本文引用的文献
A General Pipeline for Dense Illuminant Estimation via Physically Based Synthetic Data
一套通用管线从物理渲染的3D场景中导出逐像素的稠密光源色度图，生成74,321张合成图像（Hypersim-WB），其预训练在真实基准上微调后持续提升单光源与多光源估计，增益分别最高达28%和57%，在数据稀缺时尤为明显。