我们提出了一种简单的算法，用于可微性渲染被有符号距离场（SDF）表示的表面，从而使渲染能够容易地融入基于梯度的优化流程中，并通过容忍非零偏差以换取低方差和架构简化的方式来解决与可见性相关的导数问题。我们的方法将边界积分扩展为一个窄带，这在基于 SDF 表示下的表面上采样起来很容易。我们在端到端逆向渲染任务中展示了我们方法的性能和稳健性，并获得与现有工作相竞争或优越的结果。

May, 2024

本文提出了一种新的可微分渲染框架，可以使用可微分函数直接渲染彩色网格，并能够从各种图像表示形式中向网格顶点及其属性反馈高效监督信号，并通过实验，证明提出的渲染器可以在三维无监督单视图重建方面实现显著改善，并能够处理基于图像的形状拟合等具有挑战性的任务。

Apr, 2019

本文介绍一种基于 Deep Signed Distance Function 的不可微分网格表述方法 MeshSDF，通过推理隐式场的扰动如何影响局部表面几何，最终不限制分辨率和拓扑结构地将 Deep Implicit Field 显式地表示成一个可微分的网格形状，该方法在单视角重建和基于物理的形状优化方面优于现有技术。

Jun, 2020

提出了一种不同 iable 渲染方法以从 RGB 图像中直接学习暗示形状和纹理表示形式的三维重建，其可以用于多视角 3D 重建并产生完美的网格结果。

Dec, 2019

本文介绍了 RenderNet，这是一种具有新颖投影单元的可微渲染卷积网络，能够从三维形状渲染出二维图像，并自动编码空间遮挡和着色计算。实验表明，RenderNet 可以成功学习实现不同的着色器，并可用于从单个图像估计形状、姿态、照明和纹理的反演渲染任务。

Jun, 2018

本文提出一种称为 “Fuzzy Metaballs” 的紧凑且可解释的表示形式的近似可微渲染器，该渲染器主要通过深度图和轮廓渲染形状，相对于网格的可微渲染器，我们的方法具有更高的效率和质量，可用于解决视觉任务，评估中我们发现，我们的方法是唯一可以与传统技术媲美的，适用于姿态估计和轮廓重建。

Jul, 2022

提出了一种 Differentiable Surface Splatting (DSS) 的模型，可以实现对点云进行高保真度渲染，并且使用渲染函数的梯度处理不连续性，在保证表面均匀分布的同时，可以准确且稳健地处理大尺度拓扑更改和小尺度细节修改等应用，优于现有技术。

Jun, 2019

提出了一种可微球追踪算法，可以将隐式有符号距离函数的深度学习方法与逆向图形方法联系起来。该渲染方法可以高效地重建不同类型的 3D 形状，具有优秀的泛化能力和稳健性。

Nov, 2019

本文提出了一种使用合成孔径雷达图像进行可微分渲染的方法，结合了 3D 计算机图形学和神经渲染，并在高保真模拟 SAR 数据上演示了从有限 SAR 图像重建 3D 对象的逆图形问题。

Apr, 2022

本研究提出了一种基于射线场探测技术的隐式表面的学习方法，以及一种泛函约束方法，用于无需三维监督的三维形状推断。实验表明，在单视角基础上，使用我们的方法从图像中重建三维模型，无论是定量还是定性上都优于现有技术。

Nov, 2019