反射感知的平面神经辐射场
通过 NeRFactor 方法，通过多视图图像恢复物体的形状和空间变化的反射率，从而实现在任意环境光照下呈现物体的新视图和编辑物体材料属性。
Jun, 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
我们通过正则化几何和外观来解决NeRF在输入视图位数较少时的性能下降问题，同时在训练期间通过退火光线采样间隔和使用正则化流模型来处理未观察到视点的颜色，从而得到了一种可超过其他方法的模型。
Dec, 2021
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
提出了一种名为Mirror-NeRF的新型神经渲染框架，能够学习镜子的准确几何和反射，并支持镜子相关的多种场景操作应用，如在场景中添加新物体或镜子，并合成这些新物体在镜子中的反射，控制镜子的光洁度，等等。通过引入反射概率和基于Whitted Ray Tracing的光传输模型，以及开发多种技术来促进学习过程，实验证明了该方法的优越性。
Aug, 2023
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
我们提出了一种针对NeRF中参与体积渲染的镜像对象的反射追踪方法，通过明确建模反射行为并使用蒙特卡洛方法估计反射辐射度，我们推导出有效的重要性采样和光线透射率计算策略，从而实现了对具有挑战性场景的一致表示的训练，并在与先前最先进方法的比较中取得了优越的结果。
Oct, 2023
基于NeRF的模型方法，针对含玻璃展柜的场景，提出了一种可以更准确地建模玻璃折射和整体场景的方法。该方法通过对玻璃表面和直接反射光成分进行分离和建模，实现了对多个玻璃物体的准确建模。
Nov, 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