在移动设备上，我们提出了一种名为 EvaSurf 的高效视图感知隐式纹理重建方法，它使用表面模型和内嵌高保真隐式纹理，结合轻量级神经着色器，以实现在移动设备上的实时渲染，从而为计算机视觉中的三维重建应用领域提供了高质量和高效率的解决方案。

Nov, 2023

本文探讨如何使用手持 RGBD 传感器进行新视角合成和环境重建，通过建模高度镜面的物体、建模互反射和菲涅尔效应，以及实现表面光场重建，从而生成高度详细的环境图像并进行视角合成。该方法具有最先进的视角合成技术，适用于低动态范围图像，并且对几何和校准误差具有鲁棒性。

Jan, 2020

本文介绍了一种新的方法，即折射 - 反射场，用于解决透明和镜面对象合成中的光线路径复杂性问题，并提出了一种虚拟锥超采样技术实现高效且有效的抗锯齿。通过在真实世界和合成数据集上进行测试，并对各种编辑应用进行定量和定性评估，包括材料编辑、对象替换 / 插入和环境照明估计，我们对该方法进行了基准测试。

Sep, 2023

本研究提出了一种新的流程来使用一部智能手机获取真实世界中带纹理的网格模型，使用 RGBD 辅助构建方法生成过滤的深度图和精确的相机姿势，核心技术采用神经隐式表达重建算法以及不同 iable 的渲染方法生成更加接近真实场景的纹理，并验证了该方法的性能对比其他 3D 重建 + 贴图算法。

Mar, 2023

从自然二维图像中恢复现实世界物体的形状和外观是一个长期存在且具有挑战性的逆渲染问题。本文介绍了一种新颖的混合可微渲染方法，能够从传统手持相机捕捉的多视图图像中高效重构场景的三维几何和反射率。我们的方法采用分析与合成的方法，分为两个阶段。在初始化阶段，我们使用传统的 SfM（结构光型三维重建）和 MVS（多视角立体匹配）方法来大致重建与实际场景相匹配的虚拟场景。然后，在优化阶段，我们采用混合方法来优化几何和反射率，其中几何首先使用近似可微渲染方法进行优化，然后再使用基于物理的可微渲染方法优化反射率。我们的混合方法将近似方法的效率与基于物理的方法的高质量结果结合起来。对合成和真实数据进行的大量实验证明，我们的方法在更高效的同时能够产生与最先进方法相似或更高质量的重建结果。

Aug, 2023

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

本文提出了一种基于学习的、适用于 3D 扫描与融合系统的、从 8 位 RGB 图像中实时直接估算表面反射率的轻量级方法，并设计了两种新的网络架构和一种损失函数，同时还建立了一个大型合成数据集 SynBRDF 用于反射率估算。实验结果表明，该方法对于未受控制环境下的反射率估算具有优越性。

May, 2017

本文提出了一种基于神经网络的端到端模型，从单个摄像头输入中推断出人脸的近似 3D 网格表示，适用于 AR 应用程序。该模型具有相对密集的 468 个顶点网格模型，非常适合基于人脸的 AR 效果。该模型在移动 GPU 上具有超级实时推断速度（100-1000+FPS，取决于设备和模型变体），并且预测质量与同一图像的手动注释的变化相当。

Jul, 2019

提出了一种分析合成方法，用于快速多视角不透明物体的三维重建，通过将表面表示为三角形网格并围绕三角形光栅化和神经阴影构建可微分的渲染管道，优化三角形网格和神经着色器来重现多视图图像，并研究了着色器，发现它学习了可解释的外观表示。

Dec, 2022

我们研究了一种基于隐式 - 显式方法的密度场重建和渲染的方案，以在处理反射场景时在效率和质量之间取得均衡，并提出了关于影响重建反射对象结果的因素的假设。

Aug, 2023