该文回顾了非直视成像领域的最新进展，探讨了如何绕过障碍物观察到隐藏在墙壁或其他障碍后方的物体的 3D 图像以及未来的发展前景。

May, 2020

本文介绍了一种名为 Circular and Confocal Non-line-of-sight (C2NLOS) 扫描的非直线视野成像技术，它使用激光和超快速感应器来测量多次散射光的行程时间，以了解隐藏的场景。与现有的 NLOS 技术相比，这种技术可以更高效的扫描目标，同时提高成像的质量和效率。

Aug, 2020

非直视成像通过利用相位场来重建浸泡在散射介质中的复杂场景，对面临挑战的情况如散射媒体中的场景进行了实证分析，并将该方法应用于真实场景，表明其与最新的弥散光学层析成像方法性能相似。

Aug, 2023

该研究使用多普勒雷达技术进行非直达测距，利用时序多普勒速度和位置信息进行 NLOS 检测与跟踪，成功实现对动态环境中隐藏物体的检测、分类和追踪，适用于大规模的汽车场景且成本低廉。

Dec, 2019

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

通过可分的端到端非直视成像管道，我们以在时间和频率领域同时工作的方式，在重建隐藏场景过程中自动校准成像参数，并从非直视体积强度中提取隐藏场景的几何表示，估计由该几何信息产生的继电墙上的时间分辨照明。

Sep, 2023

Omni-LOS 是一种基于神经计算成像的方法，利用 Single-Photon Avalanche Diode (SPAD) 时间飞行传感器进行综合形状重建 (HSR)，并将直接和非直接成像相结合，以便从单个扫描位置恢复对象的整体形状。

Apr, 2023

利用散射在壁面上形成的斑点模式，结合深度神经网络，实现在非直视条件下对被遮挡的目标进行识别的一种新方法。

Mar, 2019

本研究提出了一种基于优化的方法，用于非直视成像，旨在重建不同设置下的隐藏场景。我们的方法建立在一个观察基础之上，即如果忽略隐藏表面之间的相互作用，从隐藏体积的每个点返回的光子可以独立计算。我们的方法利用广义光传播函数准确地表示瞬态，作为这些函数的线性组合。此外，我们提出的方法包括一个域缩减过程，将隐藏体积的空白区域从传播函数集合中排除，从而提高了优化的计算效率。我们在各种非直视场景中证明了该方法的有效性，包括非平面中继墙，稀疏扫描模式，共焦和非共焦，以及表面几何重建。对合成和真实数据进行的实验证明了该方法在一般非直视场景中的优越性和高效性。

Aug, 2023

本文提出两种新的非直视成像的曲率正则化模型，基于交替方向乘子法与 GPU 实现的优化算法，实现快速成像和压缩感知重建。经过对合成和真实数据的评估，所提出的算法在压缩感知设置下表现出卓越的性能，是一个解决非线性反问题的有效方法。

Jan, 2023