TC-Light 是由中科院自动化所张兆翔教授团队研发的生成式渲染器，能够对具身训练任务中复杂和剧烈运动的长视频序列进行逼真的光照与纹理重渲染，同时具 备良好的时序一致性和低计算成本开销，使得它能够帮助减少 Sim2Real Gap 以及实现 Real2Real 的数据增强，帮助获得具身智能训练所需的海量高质量数据。 它是如何实现的呢？本文将为你揭秘 TC-Light 背后的黑科技！本工作已中稿 NeurIPS2025，论文与代码均已公开，欢迎大家试用和体验，也欢迎大家到 Project Page 体验 Video Demo。 论文题目：TC-Light: Temporally Coherent Generative Rendering for Realistic World Transfer 图 1 TC-Light 效果展示 为了推动这一问题的解决，我们提出了 TC-Light 算法，在提升视频生成模型计算效率的同时，通过两阶段在线快速优化提升输出结果的一致性，如图 1 和视频 Demo所示所示，本算法在保持重渲染真实性的同时，时序一致性和真实性相比于已有算法取得了显著提高。下面对算法细节进行详细介绍。 ...

研究背景 - 光线与环境交互是具身智能体感知数字和现实世界的基础方式 [4] - 现实环境数据采集成本高昂 仿真环境数据受算力限制导致视觉真实性损失 [4] - 生成式模型可对视频数据重渲染 增加真实数据多样性并弥合Sim2Real Gap [4] 技术挑战 - 训练视频伴随复杂运动、物体频繁进出、长序列高分辨率 导致算法面临三大问题：数据分布受限、计算开销巨大、时序一致性差 [5] TC-Light算法创新 - 零样本时序模型扩展：基于IC-Light和VidToMe架构 引入Decayed Multi-Axis Denoising模块增强一致性 [8][9] - 两阶段优化策略：第一阶段通过Appearance Embedding和光流对齐全局光照（A100上300帧540p视频耗时数十秒） 第二阶段基于时空码本压缩优化细节（同规格视频耗时约2分钟） [13][14] - 计算效率优势：相比NeRF/3DGS方案训练时间从10-30分钟缩短至分钟级 显存占用优化 [14] 性能表现 - 定量指标：WarpSSIM达91.75%（优于Slicedit的85.37%） 用户偏好度23.96%（超COSMOS-Transfer1的16.06%） [16] - 定性对比：避免Slicedit的不自然渲染、IC-Light的时序不一致等问题 [19] - 硬件效率：A100处理300帧540p视频总耗时约1255秒 显存占用14.37GB [16] 应用价值 - 有效减少Sim2Real Gap 实现Real2Real数据增强 降低具身模型迁移的微调成本 [2][4] - 开源属性：论文、Demo代码均已公开 提供新的视频编辑范式 [3][20]