MPI 基于脉冲时间飞行相机的平面校正
本文基于卷积神经网络和自编码器的方法，提出了不需要对相机进行修改即可校正多径干扰导致深度估计误差的技术，并通过大量数据的训练和模拟实验验证了该方法的可行性。
May, 2018
本文探讨了间接飞行时间（iToF）相机等深度感知技术，提出一种名为 iToF2dToF 的方法，通过插值 / 外推 iToF 频率来估计瞬态图像，并演示其在实际深度感知场景中的优势。
Mar, 2021
本文提出了一种迭代去噪方法，使用 2.5D 数据训练 3D 卷积操作以纠正点沿视角方向的位置，并使用自训练方法在标记数据稀缺的情况下在未标记的真实数据上进行训练，实验表明，该方法能够在多个数据集上胜过 SOTA 方法。
Nov, 2021
通过学习亚像素级的遮挡掩码来消除 ToF 深度捕捉中的飞行像素，提出了 Mask-ToF 方案，它通过卷积神经网络解码空间几何信息从而产生高保真、低飞行像素深度重建。
Mar, 2021
本篇论文提出了一种计算模型，将激光飞行时间相机的形状、照明和反照率推断联系起来，并通过有效的非参数回归树近似模型输出，为每个像素提供深度、等效反照率和环境光强度的估计和不确定性。同时，通过拓展单路径模型为双路径模型，无需额外计算成本即可描述多径效应。
Jul, 2015
本文提出了一种极化 iToF 成像方法，可以通过散射介质强有力地捕获深度信息，通过散射分析而估计出参与介质中的散射能量，我们的方法通过散射模型和极化相位测量，优于基线方法。
Jun, 2023
本研究提出了一种基于深度学习的学习方法，采用机械臂自动地采集大量的 ToF 范围图像，并在训练时间利用高精度结构光传感器自动标记训练图像，从而去除 ToF 相机中的多路径失真。在实验验证中，我们的方法实现了 55％的测距误差减小，并且比其他基线算法表现更好。
Jan, 2016
本文探讨基于 TOF 相机技术利用调制光源传递距离图的实验，提出可解释一些观察到现象的噪声模型，该模型基于假设噪声源与光源相关以及另外的添加噪声源，成功预测了距离误差依赖于图像强度和个别像素处真实距离的相关性。
May, 2007
利用现代超分辨率技术，本研究提出了一种可靠且精确的 ToF 检测方法，通过结合超分辨率和高效的残差收缩块，平衡了精细信号细节和大尺度上下文信息，并对 ToF 进行了与六种先进方法的基准比较，结果显示了我们提出的 StofNet 在精度、可靠性和模型复杂性方面的卓越性能。
Aug, 2023