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

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

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

本文提出了一种新的基于学习的端到端深度预测网络，该网络采用多步方法对噪声原始 I-ToF 信号以及 RGB 图像进行融合，以预测与 RGB 视点对齐的高质量远程深度图。在挑战性的现实场景中测试我们的方法，与基线方法相比，最终深度图的 RMSE 提高了 40% 以上。

Dec, 2021

本研究提出了一种基于连续波 ToF 相机的神经表征模型，改进了动态场景的重建质量及鲁棒性，讨论了将 RGB+ToF 传感器集成到现代智能手机上的益处和局限性。

Sep, 2021

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

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

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

该研究使用多普勒雷达技术进行非直达测距，利用时序多普勒速度和位置信息进行 NLOS 检测与跟踪，成功实现对动态环境中隐藏物体的检测、分类和追踪，适用于大规模的汽车场景且成本低廉。

Dec, 2019

利用单个调制频率的较少原始数据样本和传感器灰度输出来减少激光组件的应力和功耗，我们研究了两种不同方法以恢复 LiDAR 的整个深度范围。

Apr, 2023