本研究提出了多种新方法用于深度场景表示和反渲染，包括神经反射场、基于BRDF的反射估计和间接光照恢复。这些方法结合了神经网络与物理模型，显著提升了图像渲染质量和光照重建能力，尤其在处理光泽物体和复杂光照场景方面表现优越。

OpenIllumination 是一个包含超过 108,000 张图像的真实世界数据集，涵盖 64 种对象和多种光照条件。该数据集提供准确的相机参数和前景分割掩码，适用于反渲染和材料分解方法的评估，广泛应用于逆向渲染、场景理解和机器人学，支持创建真实的虚拟环境。

该文汇总了多个真实世界光照与三维数据集，包括：OpenIllumination（含108k图像、64个物体、72个视角及光照真值，用于反渲染评估）、ReNe数据集（支持NeRF重照明）、近千个三维模型与84万张RGB-D图像的基准、VIDIT虚拟场景、多光照真实场景、Stanford-ORB逆向渲染基准以及LUCES近场光度立体数据集，以推动光照估计、重照明与三维重建研究。

OpenIllumination是一个包含108k多个真实世界图像的数据集，可用于评估反渲染和材料分解方法。数据集提供了每个图像的相机参数、光照真值和前景分割掩码。

OpenIllumination是一个包含108k多个真实世界图像的数据集，可用于评估反渲染和材料分解方法，并比较几种先进的反渲染方法。数据集和代码可在项目页面上找到。