本文提出了一种利用非定向散射表面反射光方向性的间接光线成像方法，通过可训练的体系结构将散射反射光映射到场景反射上，实现了使用传统强度传感器和连续光照的稳态非直视成像。

Nov, 2018

本研究提出了一种基于优化的方法，用于非直视成像，旨在重建不同设置下的隐藏场景。我们的方法建立在一个观察基础之上，即如果忽略隐藏表面之间的相互作用，从隐藏体积的每个点返回的光子可以独立计算。我们的方法利用广义光传播函数准确地表示瞬态，作为这些函数的线性组合。此外，我们提出的方法包括一个域缩减过程，将隐藏体积的空白区域从传播函数集合中排除，从而提高了优化的计算效率。我们在各种非直视场景中证明了该方法的有效性，包括非平面中继墙，稀疏扫描模式，共焦和非共焦，以及表面几何重建。对合成和真实数据进行的实验证明了该方法在一般非直视场景中的优越性和高效性。

Aug, 2023

本文提出两种新的非直视成像的曲率正则化模型，基于交替方向乘子法与 GPU 实现的优化算法，实现快速成像和压缩感知重建。经过对合成和真实数据的评估，所提出的算法在压缩感知设置下表现出卓越的性能，是一个解决非线性反问题的有效方法。

Jan, 2023

提出了一种新的后投影技术，基于三次散射空间时间流形的交点重建隐藏几何形状，实现了比以前方法更快更高质量的非直视重建。

Mar, 2017

非直视成像通过利用相位场来重建浸泡在散射介质中的复杂场景，对面临挑战的情况如散射媒体中的场景进行了实证分析，并将该方法应用于真实场景，表明其与最新的弥散光学层析成像方法性能相似。

Aug, 2023

本文采用卷积前馈神经网络来解决超出直线视野成像中的复杂非线性细节重建问题，能够高效地生成大量的训练数据。实验结果表明，我们的前向传播网络，即使仅在合成数据上训练，也能推广到 SPAD 传感器的测量数据，并能够获得与基于模型的重建方法相媲美的结果。

Jan, 2020

本文介绍了一种名为 Circular and Confocal Non-line-of-sight (C2NLOS) 扫描的非直线视野成像技术，它使用激光和超快速感应器来测量多次散射光的行程时间，以了解隐藏的场景。与现有的 NLOS 技术相比，这种技术可以更高效的扫描目标，同时提高成像的质量和效率。

Aug, 2020

该文回顾了非直视成像领域的最新进展，探讨了如何绕过障碍物观察到隐藏在墙壁或其他障碍后方的物体的 3D 图像以及未来的发展前景。

May, 2020

提出了一种基于神经建模的非直视成像框架，采用多层感知器（MLP）来表示神经瞬态场（NeTF），并引入 Monte Carlo 技术来提高重建的鲁棒性和细节保留。实验结果表明，该方法在合成和实际数据集上提供了更高质量的重建并保留了先前方法中缺失的细节。

Jan, 2021

非直视成像方法可通过间接照明重建观察者无法看到的复杂场景，但受限于第三次反射而仅适用于单个角落配置，本论文通过利用虚拟镜面的特性扩展了非直视成像的能力，克服了有限可见角度和隐藏在两个角落后的对象成像的问题。

Jul, 2023