本研究提出了高动态范围神经辐射场 (HDR-NeRF)，通过模拟图像物理成像过程中的亮度场和色调映射器等关键参数，实现了在不同曝光条件下生成新的高动态范围和低动态范围图像。实验结果表明，该方法不仅能准确控制合成视图的曝光，还能渲染出具有高动态范围的视图。

Nov, 2021

以基于 3D 高斯喷墨技术的轻量级方法为基础，利用多视图低动态范围（LDR）图像，通过变化的曝光时间、光圈和聚焦距离重建高动态范围（HDR）光辐射场，实现灵活的重焦渲染，同时结合 HDR 和景深的处理，能够在实时电影渲染中表现出优异的性能。

Jun, 2024

提出了名为 HDR-HexPlane 的动态 HDR NeRF 框架，可以从具有不同曝光的动态 2D 图像中学习 3D 场景，使用可学习的曝光映射函数和相机响应函数，可以在任意时间点生成具有所需曝光的高质量新视图图像。

Jan, 2024

基于 NeRFs 的成功，近年来在新颖视角合成领域取得了显著进展。然而，虽然视图合成模型在视觉上看起来很真实，但其底层的 3D 模型通常是错误的，这限制了它们在实际应用中的有效性。本技术报告介绍了视图合成模型和 3D 重建模型之间的关键区别，并指出了使用深度传感器进行准确几何建模的重要性。通过扩展 Plenoxel 辐射场模型，我们对基于 RGB-D 数据的辐射场密集建图和跟踪任务提出了一种分析微分方法，实现了优于竞争神经网络方法的最新成果，并具有更快的速度。

Jul, 2023

稀疏低动态范围（LDR）全景图像中辐照度场的模型提高了几何恢复和高动态范围（HDR）重建的能力，并且在实验证明了其有效性。

Dec, 2023

Plenoxels 是一种用于光线追踪的系统，将场景表示为一个稀疏的 3D 网格模型，并通过梯度方法和正则化优化，能够实现与神经辐射场相当的质量，却快 100 倍。

Dec, 2021

通过将更多信息的 Raw 传感器数据与现有的 8 位 LDR sRGB 图像相结合，本文提出了一种适用于 Raw 图像的模型，通过学习曝光蒙版、双强度引导和全局空间引导等方法，实现对高动态范围场景的重建，并通过大量的 Raw/HDR 数据集进行实证评估，验证了该方法的优越性。

Sep, 2023

介绍了一种利用光度计经过校准的高动态范围全景图数据集的方法，可用于在计算机视觉任务中更准确地估计室内场景中的像素亮度、颜色温度和照明情况。

Apr, 2023

本文提出了一种基于学习的方法，通过手机相机拍摄的低动态范围图像推断出高动态范围、全方位光照。通过使用不同反射功能材料在单个曝光中显示不同的光照提示，我们训练深度神经网络从低动态范围背景图像回归到 HDR 照明。通过图像重照操作，我们与预测光照匹配，实现了渲染虚拟物体进入现实环境中。与现有技术相比，我们对自动曝光和白平衡视频进行训练，提高了室内外场景渲染对象的真实感。

Apr, 2019

本研究提出了一种基于学习的逆色调映射方法，利用深度自动编码器从非线性、饱和、低动态范围全景图中回归出线性的高动态范围数据，以验证该方法在捕获户外环境映射和图像匹配等方面的实用性。

Mar, 2017