Blocks2World 是一种新颖的 3D 场景渲染和编辑方法，通过凸分解和条件合成的两步过程，从各种物体中提取 3D 平行四边形来获取场景的原始表示，进而通过简单的射线追踪深度图来生成配对数据，最后训练条件模型，学习从 2D 渲染的凸多边形到图像的直接映射，从而实现对新颖场景和编辑场景的出色控制和综合。

Jul, 2023

通过利用现有的高度优化的硬件图形管道，我们提出了一种模块化可微渲染器设计，其性能优于以前的方法。我们的设计支持现代图形管道中所有关键操作，并在高分辨率下执行用户可编程着色和几何处理。以人脸表演捕捉为例，我们将其定义为一种反渲染问题，并展示了使用我们的工具可以高效地解决这个问题。结果表明，这种简单直接的方法在渲染结果和参考图像之间实现了出色的几何对应关系。

Nov, 2020

该研究提出了一种新的方法，可以同时恢复 3D 对象的几何形状和基于部分的分解，以及它们之间的潜在层次结构，实验证明考虑部分的组织确实有助于推理三维几何。

Apr, 2020

从一组图像或单目视频中联合估计相机姿态和密集几何，由于其计算复杂性和固有的视觉歧义，仍然是一个具有挑战性的问题。我们通过一种新的图像表示方法 ——SuperPrimitives 来解决这个问题，这些 SuperPrimitives 是通过将图像分割为语义相关的局部区域并利用最先进的单幅图像神经网络预测的表面法线方向来增强的。这提供了每个 SuperPrimitive 的局部几何估计，而它们的相对位置则根据多视角观察进行调整。我们通过解决深度补全、少视角的结构运动和单目密集视觉里程计三个三维重建任务展示了我们新表示方法的多功能性。

Dec, 2023

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

描述了一种将复杂、混乱的室内场景解析为简化的基本结构的方法。这种方法使用学习回归过程将场景从 RGBD 输入解析为固定数量的凸多边形，并可以选择性地接受分割以改善分解。然后使用下降方法调整凸多边形以获得很好的拟合度，并贪婪地去除冗余的基本结构。因为对整个场景进行了解析，所以可以使用传统的深度、法线和分割误差指标进行评估。评估过程表明，我们的基本结构表示的误差与从单个图像预测深度的误差相当。

Jul, 2023

本文提出了一种简便的多视角图像观察下拓扑、材料和照明的联合优化方法，通过不同 iable rendering、基于坐标的网络紧凑地表示体积纹理，并在表面网格上直接进行梯度优化，最后介绍了一种环境光的差异化公式，证明了我们的模型可以用于场景编辑、材料分解和高质量视图插值，在三角形渲染器（光栅化器和路径跟踪器）中以交互速率运行。

Nov, 2021

本文介绍了一种新的分析合成技术，通过鲁棒的粗到细优化和基于物理的可微分渲染，能够重新构建现实世界对象的形状和外观，统一处理几何和反射的优化，利用图像梯度获得物理精度的梯度估计。

Mar, 2021

通过在实现中使用用户提供的一组三维部件的库，我们提出了基于自我监督的方法来将 3D 形状分解，使得对部件的选择和分解方式都可以进行完全控制。实验表明，这种方法比现有方法提供了更高的重构准确性和更理想的分解。

Mar, 2023

通过引入少量负相关基元和利用集成方法来改进几何重构和修复过程，从而显著提高描述场景的准确性。

May, 2024