RelightAnyone: A Generalized Relightable 3D Gaussian Head Model

RelightAnyoneは、人物の1枚または複数枚の画像から3Dガウスベースのヘッドアバターを作成し、新しい環境照明に合わせて再レンダリングすることを目指す研究です。従来、高品質な再照明には通常、人物ごとに一度に1つの照明を当てるOLAT（one-light-at-a-time）撮影が必要でした。本研究では、新しい対象にその撮影を別途要求しない方法を提示します。 · 核心となるのは、フラットな照

RelightAnyoneは、人物の1枚または複数枚の画像から3Dガウスベースのヘッドアバターを作成し、新しい環境照明に合わせて再レンダリングすることを目指す研究です。従来、高品質な再照明には通常、人物ごとに一度に1つの照明を当てるOLAT（one-light-at-a-time）撮影が必要でした。本研究では、新しい対象にその撮影を別途要求しない方法を提示します。

核心となるのは、フラットな照明の下で構築した3DGSアバターと、再照明可能なガウスパラメータとの対応関係を学習することです。第1段階では、OLATを使わずに複数視点のデータから固定照明アバターをモデリングし、データセットごとに異なる照明条件を合わせるため、学習可能な照明コードを使用します。続く段階では、比較的小規模なOLATデータを用いて、物理ベースの反射パラメータへの変換を学習します。

この分離は、幅広い人物データからアイデンティティの一般化を確保しつつ、複雑な照明キャプチャデータの使用量を減らすための構成です。公式説明によると、学習済みモデルは未知の人物にも適用でき、屋外環境で撮影した1枚の人物写真のように入力が限られる場合でも、新しい視点の合成や再照明に使えるアバターの作成を目指しています。DisneyResearch|Studiosは、この研究をCVPR 2026の項目として公開しました。