基于 NeRFs 和光线追踪，我们提出了一种 5D 神经光场（NeP），通过渲染方程，可以更准确地表达光照 - 物体相互作用，同时使用材质感知锥采样策略有效地集成 BRDF 波束内的光源。

Mar, 2024

通过修改光线投射模型以利用透镜光学，我们提出了一种改进的模型，并且能够更好地匹配实际摄像机的虚焦模糊行为，特别是在部分遮挡的情况下，从而实现更锐利的重建，将全焦点图像的峰值信噪比在合成和真实数据集上提高了最多 3 dB。

Jun, 2024

使用更新的技术创建实际的三维物体模型，比较神经辐射场与高斯分层的内部工作，并提出改进三维重建模型结果的方法，结果显示高斯分层技术优于 NeRF 技术。

Mar, 2024

基于 NeRF 的模型方法，针对含玻璃展柜的场景，提出了一种可以更准确地建模玻璃折射和整体场景的方法。该方法通过对玻璃表面和直接反射光成分进行分离和建模，实现了对多个玻璃物体的准确建模。

Nov, 2023

本文提出了一种使用人类眼睛的反射信息进行场景重建的方法，通过联合优化角膜姿态、辐射度场和观察者眼睛的虹膜纹理，以及使用简单正则化先验提高重建质量，实现了通过眼睛反射恢复 3D 场景的可行性。

Jun, 2023

本文探讨如何使用手持 RGBD 传感器进行新视角合成和环境重建，通过建模高度镜面的物体、建模互反射和菲涅尔效应，以及实现表面光场重建，从而生成高度详细的环境图像并进行视角合成。该方法具有最先进的视角合成技术，适用于低动态范围图像，并且对几何和校准误差具有鲁棒性。

Jan, 2020

该研究提出一种逆向渲染方法，通过多视角图像恢复场景的表面、材质和光照，可以处理具有光泽物体或亮光照明场景，无需使用附加数据，三个阶段的方法通过漫反射和镜面颜色考虑复杂视角依赖光照效果对表面重构，该方法在不依赖任何附加数据的情况下，优于当前状态下表面材质和光照恢复的最佳方法。

May, 2023

本研究提出一种基于神经表示的脸部反射模型，通过单张图像的估计来生成基于光照、视角和脸部几何变换的脸部反射基，可用于在任何光照条件下从任何视角渲染脸部，其能更好地捕捉诸如亚表面散射、镜面效应、自身阴影和其他高阶效应等物理基元，进而提高光照模型的仿真度。

Aug, 2020

这篇研究论文提出了一种新型神经网络，可以从 2D 观察中隐式地表示和渲染 3D 物体和场景，通过将 2D 图像中的像素特征投影到 3D 点上，并使用聚合策略来考虑视觉遮挡，生成高质量逼真的新视角。

Oct, 2020

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