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

本文提出了一种基于图像的光传输获取方法，通过学习一种嵌入基于纹理图集的神经表示，将所有的非漫反射和全局光传输建模为添加到基于物理精度的漫反射基本渲染的残差项。其中，通过融合先前看到的不同光源和观察角度来合成同一场景下所需照明条件下的新图像，从而实现可以复杂地重现场景或仿佛真实的改变其外观。

Aug, 2020

该论文提出了一种混合不同iable引擎，它支持光照和材质等照片级别的效果，甚至可以处理一些“非兰伯特”和“高光”等效果。拥有优秀的性能并且不需要任何地面真实数据，可以从单个图像中实现几何、反射和光照预测。

Oct, 2021

本文提出了基于可微分渲染的方法，通过神经入射光场和多层感知机模擬的表面BRDF模型来实现多视图图像和重构几何体的物质和照明估计，该方法能够准确估计静态场景的照明，并可自然处理遮挡和间接光线，未需多次反射。我们在多个场景数据集上实验，结果表明本方法以显著的优势超越现有方法，成为图像物质和照明估计的新的最佳实践。

Mar, 2022

本研究旨在提出一种反演渲染方法，通过蒙特卡罗光线跟踪利用拍摄时物体上被意外产生的阴影作为信号，提高条件并帮助消除材料-光照的模糊性，从而精确恢复物体的材料，环境光照和灯光挡板的形状。

May, 2023

该研究提出一种逆向渲染方法，通过多视角图像恢复场景的表面、材质和光照，可以处理具有光泽物体或亮光照明场景，无需使用附加数据，三个阶段的方法通过漫反射和镜面颜色考虑复杂视角依赖光照效果对表面重构，该方法在不依赖任何附加数据的情况下，优于当前状态下表面材质和光照恢复的最佳方法。

May, 2023

本文提出了一种基于体渲染的光传输场学习框架，利用各种外观线索来优化几何，扩展重建和重新照明的能力，提高对于具有亚表面散射效应等更多种材料的处理能力。

Jun, 2023

本研究提出了一种新颖的神经隐式亮度表示方法，用于从一小组不规则的物体照片中进行自由视角重照。我们通过多层感知器将形状表示为有符号距离函数。与先前的隐式神经重照方法不同，我们没有分离不同的反射分量，而是通过第二个多层感知器在每个点上模拟局部和全局反射，并融合阴影和高光提示来辅助网络对应的高频光传输效果建模。在合成和真实场景中展示和验证了我们的神经隐式表示方法，这些场景具有各种形状、材料属性和全局光照传输。

Aug, 2023

通过构建真实世界数据集，本文介绍了用于测量物体重建和渲染以实现换灯效果的方法，通过在多个环境中捕捉环境光照和真实图像，可以从一个环境中的图像重建物体，并对未见过的照明环境对渲染视图的质量进行定量分析，并通过对比基线方法和最新方法的测试结果，显示出新视点合成不能可靠地衡量性能。

Jan, 2024

基于NeRFs和光线追踪，我们提出了一种5D神经光场（NeP），通过渲染方程，可以更准确地表达光照-物体相互作用，同时使用材质感知锥采样策略有效地集成BRDF波束内的光源。

Mar, 2024