本研究提出了一种新方法，解决平板扫描仪在单幅图像材料捕获中的照明限制问题。通过去除阴影和高光，显著提高了材料反射率、透射率和透明度的估计准确性，增强了高分辨率捕获能力。

本研究利用概率扩散模型生成高分辨率雷达卫星图像数据集，提出了多种新方法以提高降水预测的准确性和效率，包括机器学习的数据同化方法和自回归生成模型。实验结果表明，这些方法在短期和长期降水预测中表现优越，具有广泛的应用潜力。

本文提出了一种新的神经反向渲染方法，通过联合优化光源位置和计算间接照明来消除自阴影和相互反射的影响，实现精确的材料分解。实验结果表明，该方法在反射率分解方面超越了现有的最先进技术。

本文介绍了一种新颖的混合可微渲染方法，能够高效重构多视图图像的三维几何和反射率。该方法使用传统的SfM和MVS方法进行大致重建，然后采用混合方法优化几何和反射率。实验证明，该方法更高效且重建结果质量与最先进方法相似或更高。

Sat-NeRF是S-NeRF模型的修改实现，能够合成稀疏卫星图像的新视图，并考虑光照变化。通过神经网络输出反照率和入射辐照度，将其作为太阳直射光和天空漫反射颜色的函数。通过超参数研究，成功将NeRF和S-NeRF拟合数据并产生最佳预测。

本文介绍了一种新颖的混合可微渲染方法，能够从传统手持相机捕捉的多视图图像中高效重构场景的三维几何和反射率。该方法在初始化阶段使用传统的SfM和MVS方法进行大致重建，然后在优化阶段采用混合方法优化几何和反射率。实验证明，该方法在更高效的同时能够产生与最先进方法相似或更高质量的重建结果。

本文介绍了一种新颖的混合可微渲染方法，能够从传统手持相机捕捉的多视图图像中高效重构场景的三维几何和反射率。该方法在初始化阶段使用传统的SfM和MVS方法进行大致重建，然后在优化阶段采用混合方法优化几何和反射率。实验证明，该方法在更高效的同时能够产生与最先进方法相似或更高质量的重建结果。

本文介绍了一种新颖的混合可微渲染方法，能够从传统手持相机捕捉的多视图图像中高效重构场景的三维几何和反射率。该方法在初始化阶段使用传统的SfM和MVS方法进行大致重建，然后在优化阶段采用混合方法优化几何和反射率。实验证明，该方法在更高效的同时能够产生与最先进方法相似或更高质量的重建结果。

本文介绍了一种新颖的混合可微渲染方法，能够从传统手持相机捕捉的多视图图像中高效重构场景的三维几何和反射率。方法分为初始化和优化两个阶段，使用传统的SfM和MVS方法进行大致重建，然后采用混合方法优化几何和反射率。实验证明，该方法在更高效的同时能够产生高质量的重建结果。