表面纹理质感特效物体的新视图合成科研，基于 Neural Directional Encoding 的神经辐射场 (NeRF) 表面编码，提升了高频角信号建模能力，并通过空间特征锥追踪获得不均匀的方向编码以处理复杂的交互反射效应。通过实验验证，该方法在表面特效物体的视图合成方面超过了当前技术水平，并可在小型网络上实现快速推理。

May, 2024

该论文提出了一种基于光线追踪的方法来解决 Neural Radiance Fields（NeRFs）在渲染高光物体时的困难，并成功合成了真实世界场景中的光泽外观和反射，同时优化和渲染速度与当前状态 - of-the-art 视图合成模型相当。

May, 2024

通过基于高斯的法线表示，本文提出了一种监督的方式来学习反射场景中几何形状的细节，通过极化先验引导几何学习，并通过优化过程中的重新权重策略来减轻极化先验的噪声问题，实验证明本文的方法在反射场景的神经三维重建中表现出色。

Mar, 2024

基于神经和高斯辐射场方法，在小说视角合成领域取得了巨大的成功。然而，镜面反射仍然非常复杂，因为高频辐射场非常难以稳定准确地拟合。我们提出了一种延迟着色方法来有效地渲染具有高斯分片的镜面反射。主要挑战来自环境映射反射模型，该模型要求精确的表面法线，同时在不连续梯度处瓶颈法线估计。我们利用延迟着色生成的每像素反射梯度来桥接邻域高斯优化过程，使几乎准确的法线估计逐渐传播并最终传播到所有反射物体。我们的方法在合成和真实场景中，显著优于最先进的技术和同时进行的工作，表现出峰值信噪比（PSNR）的一致提高，同时运行速度几乎与原始高斯分片相同。

Apr, 2024

我们通过对 NeRF 渲染方程进行简单修改，交换积分操作符和方向解码器网络，将视角相关的特征与独立部分分开，提高了渲染视角相关效果的质量，并通过实验证明了改进。

Nov, 2023

我们提出了一种混合模型，使用高斯飞溅来表示三维物体的形状和 NeRF 的编码用于颜色和不透明度，从而更好地描述三维物体的阴影、光反射和透明度。

Dec, 2023

Ref-NeRF 通过替换 NeRF 的视角相关的出射辐射参数化为反射辐射参数来提高 NeRF 方法表示高光表面外观的准确性，并且使用一系列空间变化场景属性来构造该函数结构，同时结合法线向量的正则化，可以实现更加真实和准确的高光反射，此外，我们的模型的内部表示也具有可解释性，用于场景编辑。

Dec, 2021

该研究提出了 NeRFReN，它是基于 NeRF 的，能够建模带有反射的场景，并将场景分为透射和反射组件，用单独的神经辐射场来建模两个组件，以实现高质量的新视图综合和深度估计结果。

Nov, 2021

本文提出了一种基于动态神经辐射场的算法，通过表面的位置和朝向在观测空间中进行条件化，像素的渲染基于不同姿态下的表面反射的颜色来实现遮挡的效果，有效地改善了单目 RGB 视频中移动高光物体的重建质量。

Mar, 2023

本文提出了一种端到端的反渲染算法，使用 Monte Carlo 路径追踪缓存间接光照信息，以实现物质和光照的分解，并通过内在神经辐射与路径追踪结果之间的辐射一致性约束及联合优化方法来提高分解表现，实验证明该方法在多个合成和真实数据集上的表现优于现有技术，尤其在互反分解方面。

Mar, 2023