这篇有意思的地方不是"又做了一个白平衡网络"，而是把白平衡从回归问题换成了生成问题：不再让网络去猜"这束光偏什么色"，而是让一个扩散模型往你的照片里凭空补画一张 24 色标准色卡，然后从这张被现场光"染"过的色卡上，把光源直接读出来。
问题背景：换台相机就翻车
自动白平衡（AWB / color constancy）的老大难，是跨相机泛化。学习型方法几乎都在拟合训练相机的光谱响应——同一片天光，佳能和索尼的 RAW 三通道比例天差地别。于是模型在 Gehler、NUS-8 上刷得漂亮，一换 sensor 就成绩崩盘。业界的土办法是每台相机重新标定、重新采数据、重新训练，成本高得离谱。根子在于：从 RGB 直接回归光源，学到的其实是"这台相机 + 这批场景"的联合统计，而不是光本身。
方法关键转折：让生成先验去"造"参考物
摄影师现场校色最靠谱的动作，是往画面里塞一张 X-Rite 色卡——因为色卡的反射率已知，色块被染成什么样，光源就是什么样。GCC 的核心一步，是把这个物理动作交给预训练的 Stable Diffusion 2 inpainting 去脑补：给定一张照片，扩散模型在指定区域"画"出一张符合当前场景光照的色卡，网络再从这张生成色卡的中性色块上解算光源色度。
几个让它真正能用的工程转折值得记：
- 单步确定性推理：不做多步随机采样，一次前向就出结果，避免了扩散模型的慢和抖，AWB 才有落到 ISP 的可能。
- 拉普拉斯分解：把色卡的"结构"（格子形状、边界）和"颜色"分开——结构由模板锁死，颜色才随光照自由变化，防止模型把色卡画歪或画出乱七八糟的图案。
- 基于 mask 的数据增广：容忍训练时色卡标注框不精确，让方法对现实中不规整的标注更鲁棒。
关键红利在于：扩散模型的先验是从海量自然图像里学来的，本身不绑定任何相机的光谱响应。所以 GCC 不需要 sensor-specific 训练，就在跨相机场景下拿到了强鲁棒性。
应用发散：能进哪些真实影像流程
- 手机 / 相机 ISP 的冷启动：新 sensor 上线时最缺标定数据，一个不依赖 sensor 响应的白平衡先验，正好补这段空窗。
- 跨设备色彩一致性：多机位、手机换代、相机阵列拼图，都受不同白平衡口径之苦；“补一张统一参考物再读光"提供了一个设备无关的锚点。
- 老照片 / UGC 批量校色：这些图早已丢掉 RAW 和拍摄相机信息，恰是传统按相机训练的方法最无力的地方，而生成式先验对"未知来源"天然更宽容。
- 数据合成与标注：能把符合场景光的色卡稳定画进任意图，等于半自动地给无标注图配上光源 GT，可以反哺下游 AWB / CCM 的训练。
局限与存疑
它把成败押在"扩散模型能画出色度可信的色卡"上——但生成模型对绝对色度有多准、会不会在极端光（低照度、强混合光、窄带 LED）下把中性块画偏，论文的边界并不宽。单步推理再快，Stable Diffusion 级别的算力也远超手机端实时 AWB 的预算，短期更像离线 / 云端工具而非 on-device。而且它仍是单光源框架，对多光源、空间不均匀光照这类真实拍摄里最难啃的场景，暂时使不上劲。但"与其回归光源，不如让生成先验造出色彩恒常本该依赖的参考物"这个思路转向，值得色彩科学和 ISP 圈认真惦记一阵子。