本文采用卷积前馈神经网络来解决超出直线视野成像中的复杂非线性细节重建问题，能够高效地生成大量的训练数据。实验结果表明，我们的前向传播网络，即使仅在合成数据上训练，也能推广到 SPAD 传感器的测量数据，并能够获得与基于模型的重建方法相媲美的结果。

Jan, 2020

本文介绍了一种用于实景透明物体的高精度 3D 采集和重建方法，通过使用静态背景和编码模式，建立了相机视野光线和背景上位置之间的映射，并使用不同 iable 跟踪折射光线路径直接优化目标物体的 3D 网格近似，同时保证剪影一致性和平滑度。

Sep, 2020

利用仅需数张自然图像和已知任意环境映射，基于物理原理的网络，可恢复透明物体的 3D 形状，包括复杂折射和反射，其成功复原了高质量透明物体的 3D 几何形状，最少仅需五到十二张图片。

Apr, 2020

本文提出了一种用于重建透明物体完整 3D 形状的全自动方法，通过不同视角下捕获透明物体的轮廓和光线折射路径，并在表面投影、轮廓一致性和表面光滑度三个约束条件下逐步优化模型，实验结果表明该方法可以成功恢复透明物体的复杂形状，并忠实地再现它们的光折射特性。

May, 2018

利用 Snell 定律的简单能量函数，基于单幅背景纹理和几何信息，重构任意折射表面几何，该方法在单帧单目设置中通过模拟和实验取得了聚人心的结果。

May, 2023

通过不同 iable ray tracing 优化初始粗略网格和每个网格面材质表示，从而实现从低分辨率输入视图中重建细粒度几何和材料细节，本文证明不同 geometry 的初始化对重建的影响，并展示如何在无约束环境中通过智能手机视频和消费者 360° 摄像机的输入来优化实际物体的初始重建。

Dec, 2020

基于单光子相机的能效高、低成本小型测量，我们提出了一种重建任意兰伯特物体 3D 形状的方法。通过模拟数据和实际捕捉的测量结果来展示我们的方法可以成功恢复复杂的 3D 形状，连接了基于图像建模和主动式范围扫描，并为单光子相机的 3D 视觉迈出了一步。

Mar, 2024

本文提出一种新的方法来有效地恢复具空间变化的间接光照。该方法使用输入图像学习的神经放射场方便地导出间接光照，并采用适当建模的方法恢复直接光照的可见度和间接光照的折射 - 阴影自由反照率，以达到优于先前方法的效果。

Apr, 2022

本研究提出了一种基于多视角立体网络、光谱反射率、深度学习的方法，旨在从六幅图像中重建物体的高质量几何结构和空间变化的 BRDF，通过最小化光度误差优化多视角反射率网络的潜在空间，成功地实现了从稀疏数据中重建出高质量的物体，进而渲染出真实的图像。

Mar, 2020

非直视成像方法可通过间接照明重建观察者无法看到的复杂场景，但受限于第三次反射而仅适用于单个角落配置，本论文通过利用虚拟镜面的特性扩展了非直视成像的能力，克服了有限可见角度和隐藏在两个角落后的对象成像的问题。

Jul, 2023