本文介绍了一种利用极化成像的端到端深度学习方法来实现物体表面法线的高精度三维重建的方法，并通过定量和定性的评估结果表明，该方法相较于基于物理的方法在整个数据集上能够以最低的平均角误差（MAE）值为 18.06 度来准确重建物体表面法线。
Jun, 2024
本文提出了一种新的使用视点和极化数据来完整分离漫反射和镜面反射组件、恢复折射率和最终恢复三维形状的方法，在分离过程中涉及了极化的物理特性，证明了与基准方法有竞争力的结果，并恢复了其他信息（例如折射率）
May, 2016
本文介绍了一种名为极化多视角反渲染的三维重建方法，该方法通过利用输入的多视颜色极化图像所提取的几何、光度和极化线索，可有效地优化光度反演，并充分考虑备选的方位角度信息来估计每个表面顶点的法向量，从而实现了对物体精细的三维重建。
Jul, 2020
该研究论文提出了一种针对服装人体的三维形状估计方法，通过使用极化图像捕获几何线索来重构人体表面法线图，并采用深度学习模型将其转化为 3D 人体形态估计，其结果表明极化相机对于人体形态估计是一种有前途的替代方法。
该研究提出了一种新的基于数据驱动和物理学先验信息的场景级别单极化图像法线估计方法，并且建立了第一个真实场景级别形态恢复数据集。该方法采用了多头自注意力与视图编码来处理在野外环境中形成的极化杂波和联机投影问题，实验结果表明，相对于现有的形态恢复方法，该方法具有更好的性能。
Dec, 2021
通过极化方法，结合摄影测量方法，可以获得高分辨率的文化遗产物体的三维重建，相比摄影测量方法提高了 10 倍的深度分辨率。
通过三个已知参考点的观察，我们提出了代数解法来解决经典的 P3P 问题，从而求得相机的位置和姿态。相比先前的方法，我们首先通过使用对应的几何约束来直接确定相机的姿态，并采用代数方法高效地解决三角函数方程组，从而确定未知的旋转矩阵及相机的位置。通过广泛的 Monte-Carlo 模拟验证了该方法相对于最近的替代方法的优势，避免了计算不必要的（可能存在数值不稳定） 中间结果，从而在更低的计算成本下实现了更高的数值精度和鲁棒性。
Jan, 2017
使用偏振相机和相对深度信息作为先验，通过全偏振信息提出一种在线重建方法，使稀疏的深度值能沿着等深度线传播，并在具有贫纹理特性的区域中提高深度图的密度和准确度。
Feb, 2021
本研究探讨了利用微型极化器技术进行高动态范围成像，通过对不同极化滤镜角度获取的多张图像进行不同曝光时间的拟合，最终提出了一种基于深度快照的 HDR 重建算法，并创建了数据集进行验证，结果表明该方法超越了现有最先进的 HDR 重建算法。
May, 2021
提出了一种混合深度成像系统，利用极化相机辅以标准数字相机的第二张图像，通过立体提示结构，使用高阶图模型实现去混淆极化表面法线估计，并利用先前的极化成形方法扩展至透视情况，从而计算稠密详细的绝对深度图。
Mar, 2019