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。

本文介绍了一种基于学习的逆向渲染方法，构建了Residual Appearance Renderer（RAR），用于估计室内场景的反射率、法线和照明。该方法在三维物体重建和光照恢复方面的实验中表现优于现有技术，展现了卓越的性能和准确度。

本研究探讨了卫星图像在野火监测中的应用，介绍了Sen2Fire数据集及其优化的光谱指数和气溶胶数据，提升了监测效果。同时，研究提出了基于深度学习的建筑高度估计和土地利用分类方法，强调了卫星数据在环境监测中的重要性。

本研究提出了一种基于多视角立体网络和深度学习的方法，旨在从稀疏数据中重建高质量的物体几何结构和反射率。通过优化多视角反射率网络，实现了真实图像的渲染，并探讨了隐式密度场和神经辐射场技术，以提升三维重建的准确性和效率。

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。