通过提出新的 Factorized Inverse Path Tracing 方法，利用 light transport formulation，追踪错误驱动的 emitters，实现了比之前工作更快、更准确地优化材料和照明，特别是在复杂光照效果存在的情况下，成功解决了反射和发射之间的歧义。

Apr, 2023

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

本文提出了一种端到端的反渲染算法，使用 Monte Carlo 路径追踪缓存间接光照信息，以实现物质和光照的分解，并通过内在神经辐射与路径追踪结果之间的辐射一致性约束及联合优化方法来提高分解表现，实验证明该方法在多个合成和真实数据集上的表现优于现有技术，尤其在互反分解方面。

Mar, 2023

逆向渲染是从图像中推断场景属性的挑战性逆向问题。我们提出了一种新颖的方案，将预训练于自然照明图上的降噪扩散概率模型与可微分路径追踪器相结合，允许从自然且能解释图像观察的光照和空间变化的表面材料组合中进行采样，以恢复材料并生成高度逼真和多样化的环境贴图样本。

Sep, 2023

该研究提出了一种反渲染模型，可以从一对仅捕获到的半透明物体的图像中，联合预测 3D 形状、可变反射率、均匀次表面散射参数和环境光照。研究者还使用了基于物理和神经渲染器来解决反渲染中的模糊问题，并构建了庞大的合成数据集来验证模型的有效性。

May, 2023

该研究旨在通过生成模型和扩散模型来恢复从 RGB 图像中的物体材料，并通过粗糙到精细的训练策略来提高稳定性和准确性。

Apr, 2024

该研究提出一种终端到端的学习逆渲染框架，利用可微分 Monte Carlo 光线追踪结合重要性采样，从单张图像中恢复基础几何、空间变化的光照、真实感材料。通过物理上基于不同 iable 渲染层与荧幕空间光线追踪的引入，创建大规模室内场景数据集，设计一种新颖的场外灯光网络进行评估，呈现出与业界最先进基线方法相比提高了的反向渲染质量，可以实现诸如高度保真的复杂物体插入和材料编辑等各种应用。

Nov, 2022

本研究提出了逆向传输网络作为学习体系结构，以解决逆渲染问题，其中我们通过给定输入图像测量值来推断物理场景参数，如形状、材料和光照。我们还创建了一个通用的物理精确可微分渲染器，并证明了逆向传输网络可以有效地进行训练，并且在出现从未见过的场景时有更好的泛化性能。

Sep, 2018

本文研究了不同渲染技术的发展，提出一种整合了射线追踪、蒙特卡罗积分、多种重要性采样和去噪的反渲染流程，可以有效地重建三角网格几何、材质和光照，改善材质和光照分离，并提高梯度优化的效果和收敛速度。

Jun, 2022

本研究提出了一种基于辐射先验和神经网络的简单的反渲染方法，可正确计算全局光照，同时在更短的计算时间内实现了与传统方法相当甚至更好的场景参数恢复质量。

May, 2023