- 混合光：借用球面谐波和高斯模型的优点
利用 Spherical Harmonic（SH）和 Spherical Gaussian（SG）的互补特性，本研究提出了一种名为 MixLight 的联合模型，能更准确地估计场景照明，其中 SH 用于捕捉低频环境光，SG 用于捕捉高频光源 - LightOctree：轻量级三维空间一致性室内照明估计
我们提出了一种轻量级的解决方案，用于从单个 RGB 图像估计室内灯光的空间一致性。我们引入了一个统一的、基于体素八叉树的光照估计框架，以生成 3D 空间一致的照明。此外，我们提出了一个可微的体素八叉树锥追踪渲染层，用于消除整个过程中的常规体 - 基于双映射策略的实用跨传感器色彩恒常性
使用深度神经网络及双映射策略，本研究提出一种可用于光照估计的方法，仅需要在 D65 条件下从测试传感器获取简单的白点，可生成映射矩阵，实现图像数据和光照的重构。通过对重构的光照作为真实值，采用轻量级多层感知器模型对重构的图像数据进行优化，该 - EverLight: 室内外可编辑的 HDR 光照估算
本研究提出了一种将参数化的灯光模型与 360 度全景图相结合的方法，该方法使用最新的基于 GAN 的 LDR 全景图延伸技术，提供可编辑的室内外环境下的 HDR 灯光，从而实现建模的高度逼真性和场景编辑的易用性。
- 基于对比参数方程的深度量子图像增强
为了增强图像而不受其反射率的强约束，我们提出了一种新的可训练模块，它将低照度图像和光照图映射成增强图像，并结合无监督学习适应不同任务。
- GMLight：通过几何分布近似进行光照估计
本论文提出了一种利用回归网络和生成投影仪的几何移动灯光（GMLight）估计框架，通过对光线分布、光强度、环境项和辅助深度参数化来实现高度准确的照明估计，并利用生成投影仪合成具有现实外观和高频细节的全景照明贴图。
- AAAIEMLight: 球形分布近似下的光照估计
使用 EMLight 框架，将光照地图分解为球形光分布、光强度和周围环境项，并利用回归网络和神经投影仪进行精确的光照估计，该方法准确性高且比现有方法在 3D 对象嵌入中生成更具可信度和保真度的光照地图。
- Cube++ 光照估计数据集
本研究提出了一个新的照明估计数据集 (SpyderCube)，旨在解决其他数据集存在的问题，可用于训练和测试单一或双照明估计方法。该数据集由 4890 幅带有语义数据的图像组成，包含两个不同方向的地面真实照明记录，可用于图像处理流程中的计算 - ECCVAIM 2020：场景照明调整与估计竞赛
本文回顾了 AIM 2020 挑战赛中有关虚拟图像照明和光照估计的部分，介绍了在此挑战中使用的新型 VIDIT 数据集以及展示的不同解决方案和每个赛道的最终评估结果。
- AAAI使用生成对抗网络探索残差和光照进行阴影去除的 RIS-GAN
本文提出了一种使用生成对抗网络来探索残留图像和亮度估计的 RIS-GAN 框架，以粗到细的方式生成间接阴影去除图像，其通过三个鉴别器来检测负残留图像、阴影去除图像和反向亮度图的真假，实验表明该方法在阴影去除上表现优异而且无需特定的阴影感知组 - 用于稳健曝光校正的双重照明估计
本文提出了一种新颖的自动曝光校正方法，核心在于双重照明估计，将欠曝光和过曝光校正分别作为输入图像和反转输入图像的明显估计。通过执行双照明估计，为输入图像获得两个中间曝光校正结果，并采用多重曝光图像融合技术自适应地混合两个中间曝光校正图像和输 - MM利用感知双向相似性增强曝光不足的照片
本文提出了一种新的暗照片增强方法，采用 Retinex 理论将增强问题转化为有约束的照明估计优化，其中提出了感知双向相似性标准来确保感知一致性，并通过介绍一个处理暗视频的概率方法来传播照明。实验证明本方法优于现有的最先进方法。
- CVPR寻找灰色像素
本文提出了一种新的灰度指数来找到灰色像素，并证明其在光照估计中的效 iveness 和 efficiency。该灰度指数是用 Dichromatic Reflection Model 推导出来的，无需学习，适用于有色偏的图像中一或多个光照源 - 一种仿生多曝光融合低光图像增强框架
该论文设计了一种基于多曝光融合的低光图像增强框架，使用光照估计和相机响应模型来综合多副本图像，并通过融合算法实现了对比度和明度的准确提升。实验表明，该方法较其他现有方法更少引入对比度和亮度失真。
- 利用深度学习对计算机颜色恒常性问题进行分类处理
本文采用深度学习框架来解决计算机颜色恒常性问题，使用卷积神经网络将颜色恒常性问题视为照明分类问题，设计深度学习架构以直接用于计算照明颜色，实验结果表明我们的深度网络能够提取有用特征用于照明估计，且在多个测试数据集上性能优于所有先前的颜色恒常