基于扩散引导逆向渲染的真实感物体插入

提出了一种深度反渲染框架，用于室内场景的重建和估计形状、光照和面反射率。

该框架采用基于物理的可微渲染器，能够实现所有内在属性的联合训练，保证物理正确性。

研究表明，该方法在量化和质量上优于之前的工作，能够为增强现实应用产生逼真的结果。

提出了一种混合不同引擎的方法，支持光照和材质等照片级别的效果，能够从单个图像中实现几何、反射和光照预测。

研究使用变换器结构解决单张图像反渲染的挑战，估计深度、法线、强度和光照。

提出了一种高效的多视角逆向呈现方法，能够重建大规模室内场景的全局间接光照和物理合理的SVBRDF。

结合预训练的降噪扩散概率模型与可微分路径追踪器，恢复材料并生成高度逼真的环境贴图样本。

Diffusion Handles方法实现了在扩散图像上进行3D对象编辑，生成保持对象身份的逼真编辑图像。

从多视角、低动态范围图像中恢复高动态范围照明，实现高度逼真的重照和物体插入。

研究通过生成模型和扩散模型提高了从RGB图像中恢复物体材料的稳定性和准确性。