红外传感器的光度校正
通过深度学习架构和光学图像获取模型，我们提出了一种新颖的方法，能够从低成本的微测温红外相机拍摄的多帧图像中同时估计温度和进行非均匀性校正，该方法在实验证明相比昂贵的科学级热像仪，具有显著的性能提升和准确度。
Jul, 2023
本文介绍了一种新型的投影仪 - 相机系统，可实现对物体的密集三维建模和光谱反射性质的低成本获取，该系统利用标准 RGB 相机和现成投影仪进行光照和结构估计，通过多视点结构光和 SfM 技术完成构建，并通过多光谱成像估计每个 3D 点的光谱反射，实验证明该系统可用于获得设备简单而精度高的三维模型和全光谱反射性质。
Aug, 2019
本文提出了一种应用于参与媒体的光度立体方法，通过建模形状相关的前向散射，用查找表描述前向散射，并表示为空间各异的内核，以及通过将大规模稠密矩阵近似为稀疏矩阵，可消除前向散射，实验结果证明该方法在参与媒体下的 3D 重建具有很好的性能。
Apr, 2018
本文研究基于球面图像拍摄几何的三维重建算法，提出了增量式结构化学习工作流并通过三个球面数据集进行验证。结果证明该工作流可以成功重建复杂场景并为开源软件包的实现提供有用线索。
Jun, 2023
本文提出一个通过联合光度优化密集几何和摄像机参数，用于 3D 重建的框架，使其比特征点 bundle 调整更具指标重建精度，该框架可以应用于大规模的数据集，并且在面对不同的光照和相机内参时有更好的表现。
Aug, 2020
本文探讨将语义分割技术整合进 Structure from Motion (SfM) 中，通过利用卷积神经网络对输入图像进行像素标记，进而应用于 3D 点云的估算，并比较标记语义的关键点。在一个重复建筑场景的数据集上进行了验证，提出了一种改进 3D SfM 模型的新方法。
Apr, 2023
本文提出了一种自适应场景红外和可见图像配准方法，其使用多模态传感器模块进行场景感知。该方法采用反演平移过程建立多模态图像的不变性域，并利用单应性对不同平面间的变形进行仿真，并通过残差估计、相关性搜索等方法实现更准确的匹配，最终验证了该方法的有效性。
Apr, 2023
本文提出了一种名为 Spectral MVIR 的多视角逆向渲染 (MVIR) 方法，可以使用标准 RGB 相机和低成本的照明设备，联合重构物体表面每个点的 3D 形状和光谱反射率。该方法不需要昂贵的特殊设备和繁琐的几何校准，实验结果表明，该方法能够获得具有准确光谱反射率性质的高质量 3D 模型。
Apr, 2021
本文通过直接对多个视图中的低级图像信息进行对齐以提高结构运动两个关键步骤的精度，该方法通过采用神经网络预测的密集特征来优化特征度量误差从而提高了相机姿态和场景几何的准确性。
Aug, 2021