本文提出使用对象语义作为指导力量，强制将相同对象分配到同一层次来解决玻璃窗后的图像反射问题，并在不同数据集上进行了实验证明该方法的显著性能优势及其在计算机视觉任务中的应用。

Jul, 2019

本研究提出了一种利用相机、手电筒和三脚架估计对象几何和反射属性的技术，并引入了一种递归神经架构，名为 RecNet，能够以更高的精度预测表面法向和反射率。

Apr, 2021

本文探讨如何使用手持 RGBD 传感器进行新视角合成和环境重建，通过建模高度镜面的物体、建模互反射和菲涅尔效应，以及实现表面光场重建，从而生成高度详细的环境图像并进行视角合成。该方法具有最先进的视角合成技术，适用于低动态范围图像，并且对几何和校准误差具有鲁棒性。

Jan, 2020

该论文提出了一种深度学习方法，可以从不确定数量的拍摄的无序图片中估计材料外观，无需校准，并通过提取每张图片中的最有用的信息并从数据中学到的先验知识，处理视角和光线方向的变化，从而实现对材料的捕捉，并在单张至多张图片的输入条件下，实现与现有单张和复杂多张方法之间的完美平衡。

Jun, 2019

本文提出了一种使用人类眼睛的反射信息进行场景重建的方法，通过联合优化角膜姿态、辐射度场和观察者眼睛的虹膜纹理，以及使用简单正则化先验提高重建质量，实现了通过眼睛反射恢复 3D 场景的可行性。

Jun, 2023

本文介绍了一种基于深度学习的方法，利用极化光学的属性对记录的辐照度的反射和透射成分进行分离，并通过准确的合成数据生成管道进行训练，以模拟现实世界中包括曲面和非理想表面产生的反射、非静态场景和高动态范围场景等，从而提高在半反射体引起的反射对计算机视觉算法性能的干扰相关应用的鲁棒性和泛化能力。

Dec, 2017

本文提出了一种方法，通过将光滑物体转变为辐射场相机，从物体的视角，捕捉俯视、穿透、绕射的图像，并实现被遮挡物体的成像。

Dec, 2022

通过卷积神经网络技术，直接预测图像的反射率图以分解出出现的内在属性，并展示了如何通过间接方案在表面方向预测和数据插值的帮助下提高估计结果，同时引入基于真实与合成图像的全新挑战 SMASHINg 评估方法并展示了反射率图在图片编辑中的应用。

Nov, 2015

本文研究计算机视觉中的一个基本问题，即如何从平面图像中推断出世界的内在 3D 结构，并提出一种统计推断的优化问题，通过考虑表面光滑、颜色均匀、光照自然等先验知识，提出一种能够从单张图像中还原场景属性，包括形状、反射率和光照等的技术。该方法包含多个计算机视觉问题的超集，并优于以前所有单独问题的解决方案。

Oct, 2020

本研究提出了一种基于学习的方法，使用微观几何外观作为主要线索，从材料的单个漫反射图像中恢复法线、高光和粗糙度，并展示了我们的方法的性能表现。

May, 2023