1. 引言
室內照明設計對於人體舒適度同能源效率都至關重要。傳統照明系統通常唔理會有冇人或者用家需要，都以最大功率運作，導致嚴重能源浪費。研究顯示，照明可以消耗建築物總用電量嘅超過15%，高峰期更接近25%。
本文介紹隱形光掣 (ILS)，呢個創新系統會根據人員存在同視線方向動態調節照明。透過調暗使用者視野範圍外嘅燈光，ILS可以實現顯著嘅節能效果，同時唔會令使用者明顯感覺到光度降低，令節能效果變得「隱形」。
主要動機
照明佔建築物用電量>15%。喺大型、使用率低嘅辦公室，呢個係一個主要且可以解決嘅效率問題。
2. 方法論與系統流程
ILS系統處理RGBD（紅綠藍-深度）輸入數據，以創建動態燈光控制模型。整體流程喺原文圖2有可視化展示。
2.1. RGBD數據採集與場景結構化
RGBD相機系統會捕捉室內環境嘅幾何形狀同外觀。呢啲數據用嚟構建場景嘅3D模型，包括傢俬、牆壁同燈具位置。材料嘅光度特性（反射率、反照率）亦會被估算，以準確模擬光線相互作用。
2.2. 人員存在與頭部姿態檢測
一個以人為本嘅分析模組會檢測場景內嘅人員。關鍵係，佢會估算每個人嘅頭部姿態，以確定佢哋嘅視錐體——即係從佢哋視角可見嘅空間範圍。呢個定義咗邊啲光源直接影響佢哋感知到嘅照明。
2.3. 基於輻射度嘅光線估算
ILS嘅核心係一個輻射度模型。輻射度係一種全局照明算法，計算光線喺表面之間嘅漫反射相互反射。呢個模型會估算到達人眼嘅光亮度（以勒克斯為單位），考慮燈具嘅直接光線同牆壁及物件反射嘅間接光線。喺使用者視錐體外嘅燈具可以被調暗或關閉。
3. 技術細節與數學公式
輻射度方法求解環境中嘅平衡光線分佈。對於面片 i 嘅基本輻射度方程式係：
$B_i = E_i + \rho_i \sum_{j=1}^{n} B_j F_{ji}$
其中：
- $B_i$：面片 i 嘅輻射度（離開面片嘅總光量）。
- $E_i$：面片 i 嘅發射率（光源非零）。
- $\rho_i$：面片 i 嘅反射率（反照率）。
- $F_{ji}$：從面片 j 到面片 i 嘅形狀因子，代表離開 j 並到達 i 嘅能量比例。呢個係根據場景模型幾何計算得出。
ILS改編咗呢個模型。對於喺位置 $\mathbf{p}$、頭部方向 $\mathbf{o}$ 嘅人，其「感知光亮度」$L_p$ 係通過積分視錐體 $\mathcal{F}(\mathbf{p}, \mathbf{o})$ 內面片 j 嘅輻射度值 $B_j$ 嚟估算：
$L_p(\mathbf{p}, \mathbf{o}) = \int_{j \in \mathcal{F}(\mathbf{p}, \mathbf{o})} B_j \, V(\mathbf{p}, j) \, dA_j$
其中 $V(\mathbf{p}, j)$ 係一個可見性函數。然後，系統會求解燈具強度，令 $L_p$ 保持喺舒適閾值以上，同時最小化總能量 $\sum_k I_k$（燈具 k 嘅功率）。
4. 實驗結果與數據集
作者收集咗一個新嘅數據集，辦公室職員喺頭上佩戴照度計裝置，測量佢哋視線點嘅照度（勒克斯），作為感知光亮度嘅真實數據。
性能結果
- 測試環境： 配有8個LED燈具嘅辦公室。
- 基準能耗（全開）： 每日18,585瓦時。
- ILS能耗： 每日6,206瓦時。
- 系統開銷： 相機/運算約~1,560瓦。
- 感知光亮度下降： 僅約200勒克斯嘅減少。
淨節省： 照明能源減少約66%，對使用者體驗影響微不足道（從>1200勒克斯降至~1000勒克斯）。
圖表描述（參考圖1及圖3）： 圖1展示咗一個節能策略金字塔，優先考慮自然光利用、局部控制、空間配置同高效光源。圖3概念上平衡咗人類需求、建築同能源效率——呢個係ILS旨在優化嘅三重目標。
5. 分析框架與示例案例
場景： 一個員工喺有20盞天花燈嘅大型開放式辦公室。
- 輸入： RGBD相機檢測到一個人喺辦公枱A，面向佢嘅顯示器。
- 分析： 計算視錐體。包括辦公枱A上方嘅燈1-4同附近牆壁。
- 輻射度求解： 模型確定燈5-20對反射到使用者視錐體內嘅光線貢獻極少。
- 行動： ILS將燈5-20調暗至10%功率，同時保持燈1-4喺約85%功率，以補償失去嘅間接光。
- 結果： 員工感知嘅照度保持喺1050勒克斯（對比基準1200勒克斯），而照明電路嘅能源使用下降約70%。
呢個案例展示咗核心原則：為人類感測器（眼睛）而非房間感測器（牆掛式照度計）進行優化。
6. 應用前景與未來方向
- 智能建築與物聯網整合： ILS可以整合到建築管理系統 (BMS) 同物聯網網絡，實現整體能源管理，符合Project Haystack同Brick Schema等標準。
- 先進感測器融合： 未來系統可以整合可穿戴感測器（如數據集中使用嘅照度計），進行實時個人化反饋，創建閉環控制系統。
- 非視覺照明效果： 擴展模型以控制晝夜節律照明，透過黑視蛋白照度影響褪黑激素抑制，正如Well Building Standard所研究。
- 機器學習增強： 用深度學習模型（例如神經渲染器）替換或增強輻射度求解器，可以提高速度同對動態場景嘅適應性，類似於NeRF（神經輻射場）嘅進展。
- 可擴展性與私隱： 開發去中心化、保護私隱嘅版本，使用邊緣運算進行人員檢測，而唔儲存可識別嘅影像數據。
7. 參考文獻
- Tsesmelis, T., Hasan, I., Cristani, M., Del Bue, A., & Galasso, F. (2019). Human-centric light sensing and estimation from RGBD images: The invisible light switch. arXiv preprint arXiv:1901.10772.
- International Association of Lighting Designers (IALD). (2018). Lighting Design Guidelines.
- Kralikova, R., & Zhou, J. (2017). Energy consumption analysis for lighting in office buildings. Energy and Buildings, 154, 561-568.
- Mildenhall, B., et al. (2020). NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis. ECCV.
- Well Building Standard. (2022). Light Concept v2. International WELL Building Institute.
8. 專家分析與評論
核心見解： ILS論文係對一個經典問題嘅巧妙改造。佢並冇發明新嘅電腦視覺或圖形算法，而係將已有幾十年歷史嘅輻射度方法重新包裝成一個有人參與嘅控制系統。真正嘅創新在於優化目標嘅轉變：從均勻嘅房間照度轉向個人化、依賴視線嘅光感知。呢個係一個「以人為本AI」應用嘅典型例子，直接應對能源與舒適度之間嘅權衡。
邏輯流程： 邏輯係合理嘅：1) 繪製場景地圖，2) 搵到人同佢哋望緊邊度，3) 用物理學（輻射度）模擬邊啲燈影響佢哋嘅視野，4) 調暗其他燈。圖2中嘅流程直截了當。然而，論文輕輕帶過咗重大嘅工程挑戰：喺各種辦公室環境中進行穩健嘅實時頭部姿態估計、從RGBD準確估算材料屬性，以及動態求解即使係粗略輻射度系統嘅計算成本。
優點與缺點：
優點： 使用自定義照度計數據集嘅實證方法係一個主要優點——佢超越咗模擬。報告嘅約66%節能效果令人信服，並且符合大型、稀疏辦公室中直觀嘅浪費情況。對於終端使用者嚟講，概念優雅簡單（節能係「隱形」嘅）。
缺點： 房間裡嘅大象係1,560瓦嘅系統開銷。對於一個每日節省約12,000瓦時嘅系統，呢個開銷消耗咗節省能源嘅相當一部分。經濟效益只喺大型空間先成立。依賴單一、中央RGBD相機係一個私隱同穩健性嘅噩夢。如果有遮擋、多人、或者有人喺梳化工作會點？輻射度模型假設漫反射表面——呢個係一個重大簡化，喺處理有光澤嘅顯示器或窗戶時會失效。
可行見解： 對於從業者嚟講，呢項研究係一個概念驗證，唔係即插即用產品。關鍵要點係設計原則：為人類視野進行優化。一個近期可部署嘅策略可以係一個簡化版本，使用更便宜嘅PIR/動態感測器同桌面級佔用檢測，實施受ILS邏輯啟發嘅粗略分區調光。對於研究人員，未來在於混合模型：使用輕量級神經網絡（受NeRF等隱式場景表示快速進展啟發）實時近似輻射度函數，並配以保護私隱、分散式嘅毫米波雷達進行存在同姿態檢測，正如MIT計算機科學與人工智能實驗室 (CSAIL) 為室內感測所探索嘅。ILS概念係一個穩固嘅基礎，但佢嘅現實世界影響取決於解決成本、私隱同計算效率呢啲實際瓶頸。