本文研究了利用深度神经网络进行矩阵分解的方法来实现旋转同步，从而使得相对位置转化为绝对位置。实验表明该方法在大多数场景下具有与最佳竞争者相当的准确性，并且工作在较弱的假设下。

May, 2023

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

本研究通过分析相机运动对光场的影响，并在原始域和傅里叶域中研究光场的运动模糊问题，提出了一种算法，可以实现对于实际的合成运动模糊光场进行盲目去模糊，还原光域；并证明了三维相机的运动路径。

Apr, 2017

该论文提出了一种新的框架，使用虚拟成像系统来估算非直视成像场景下的光传输矩阵（Light transport matrix），克服了非直视成像装置的开口角限制，并且通过该光传输矩阵可以实现对隐蔽场景中某些特定位置（indirect illumination）的再照明以及直接、一阶和更高阶间接光照明（illumination）的分离，类似于现有的直视成像技术。

Mar, 2021

Inverse Path Tracing 通过可逆光传输模拟，提出了一种新颖的方法，可以在保证物理正确性的情况下，同时获取室内场景中的光源和材料属性，并使用可微分的蒙特卡罗渲染器进行优化，以实现编辑和重渲染。

Mar, 2019

该论文提出了一种新算法，可以同时实现在任意 6-DOF 摄像机运动和不受限制的场景深度下的高质量光场去模糊和深度估计，通过利用光场的多视角特性，减轻了优化的反演性质，利用强深度线索和多视角模糊观察。

Nov, 2017

本文提出一种可微分的重新模糊模型，支持自我监督的运动去模糊，通过利用从连续图像中获取的运动线索，将去模糊问题突破为反渲染问题，包括使用卷积神经网络和真实数据集进行实验，并证明单幅图像自我监督去模糊是可行的，能够实现视觉上令人满意的结果。

Feb, 2020

本文提出了一种基于学习的方法，利用自监督学习优化现有的去模糊神经网络，通过强制输出与输入模糊图像匹配的光流，从而改善现有方法在多个数据集上的性能表现，同时保证了输出结果更贴近于潜在图像的内容。

Jan, 2018

本文介绍了一种使用神经网络的实时视频去模糊技术，将多个连续模糊的图像传递信息给递归神经网络来还原所需的清晰图像或视频。

Aug, 2017

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