本文引入了一种新的光漫射方法，用于改善人像的光照效果，在保持整体场景照明的同时，柔化刺眼的shadow和specular highlights。受专业摄影师的diffusers和scrims的启发，本文的方法仅针对单张人像照片即可实现柔化光照。以往的人像补光方法侧重于改变整个光照环境，去除阴影（忽略强烈的镜面高光），或完全去除阴影。相比之下，本文提出了一种learning-based的方法，可以控制lighting diffusion并将其应用于自然人像。此外，本文还设计了一种方法，可以合成生成具有次表面散射效果的可信外部阴影，同时与拍摄对象脸部形状相符。最后本文还展示了该方法如何提高更高级别视觉应用的鲁棒性，例如反照率估计、几何估计和语义分割。
在本节中，将阐述光漫射问题，并提出一种基于学习的野外人像拍摄解决方案。最后，将展示如何应用模型从图像中推断出更稳健的反照率，从而改进后续应用，例如补光、人脸部位分割和法线估计。