本文介绍了基于深度神经网络的非线性独立分量估计（NICE）用于 Monte Carlo 积分中样本生成的应用，并介绍了分段多项式耦合变换、一块编码、基于梯度下降的 KL 和 χ2 散度优化等提高模型性能的改进方案。通过应用于生成自然图像以及在光传输模拟中的两种应用，证明了该方法在不同维度积分领域下具有快速、准确、高性能等特点。

Aug, 2018

Inverse Path Tracing通过可逆光传输模拟，提出了一种新颖的方法，可以在保证物理正确性的情况下，同时获取室内场景中的光源和材料属性，并使用可微分的蒙特卡罗渲染器进行优化，以实现编辑和重渲染。

Mar, 2019

本文研究了不同渲染技术的发展，提出一种整合了射线追踪、蒙特卡罗积分、多种重要性采样和去噪的反渲染流程，可以有效地重建三角网格几何、材质和光照，改善材质和光照分离，并提高梯度优化的效果和收敛速度。

Jun, 2022

该研究提出了一种基于卷积的优化方法，使用Monte Carlo估计器有效地计算无高原的梯度，应用于具有复杂光传输的问题，并提高了优化错误和运行时间性能。

Nov, 2022

通过提出新的Factorized Inverse Path Tracing方法，利用 light transport formulation，追踪错误驱动的emitters，实现了比之前工作更快、更准确地优化材料和照明，特别是在复杂光照效果存在的情况下，成功解决了反射和发射之间的歧义。

Apr, 2023

逆向渲染是从图像中推断场景属性的挑战性逆向问题。我们提出了一种新颖的方案，将预训练于自然照明图上的降噪扩散概率模型与可微分路径追踪器相结合，允许从自然且能解释图像观察的光照和空间变化的表面材料组合中进行采样，以恢复材料并生成高度逼真和多样化的环境贴图样本。

Sep, 2023

扩散模型对低分辨率图像进行去噪，利用自然渲染信息进行条件控制，与现有方法在不同采样率下有较强竞争力，但当前指标未能准确评估重建质量。

Mar, 2024

MIRReS是一个新颖的双阶段逆向渲染框架，通过联合重建和优化多视角图像中的显式几何、材质和光照，提供更真实的物理反渲染模型，包括多次反弹路径追踪和蒙特卡罗积分，有效估计间接照明，改善形状、材质和光照的内在分解，通过蓄水池抽样解决蒙特卡罗积分中的噪声问题，实现低样本数下的梯度优化，展示在复杂阴影场景中达到最先进的分解结果，并能在现代图形引擎或CAD软件中进行场景编辑、重新照明和材质编辑。

Jun, 2024

逆向渲染方法在重建具有分离几何、材料和环境光的高保真3D对象方面取得了显著成果，但在反射表面重建方面仍面临巨大挑战。本文提出了一种引入多次蒙特卡洛采样的反射-MC2，该方法全面计算环境光照，同时考虑来自物体表面的反射光，解决了处理多个平滑物体之间的互反射的困难。我们提出了一种特殊性自适应采样策略来解决随着蒙特卡洛采样次数增加所带来的计算挑战，从而显著降低了计算复杂性。此外，我们还引入了反射感知的表面模型来初始化并在逆向渲染过程中对几何体进行优化。我们构建了一个包含多个物体和互反射场景的具有挑战性的数据集。实验证明，我们的方法在各种物体组上优于其他逆向渲染方法，并展示了其解耦能力的下游应用，例如重新照明和材料编辑。

Jul, 2024

本文解决了事件摄像机仿真中缺乏物理准确模拟的问题，提出了一种基于蒙特卡洛路径追踪和自适应路径采样的新方法。研究表明，利用对数亮度的分布模型进行假设检验能够显著加速事件检测，相较于传统采样方法，能更有效地模拟事件摄像机的行为，并推动计算机视觉应用的发展。

Aug, 2024