本文介绍了NeRF综合任务，利用NeRF补丁范例构建大尺寸辐射场。作者提出了两阶段方法，通过阴影指导控制照明效果。研究表明该方法生成高质量结果，增强了NeRF综合方法的实用性。

该论文介绍了一种名为低光线神经光辐射场（LLNeRF）的新方法，通过无监督学习，从低光线图像中合成正常光照的新视图。该方法能够提高照明效果、减少噪声和更正颜色失真，产生具有适当照明、生动颜色和细节的新视图图像。实验证明该方法优于现有的低光照增强方法和神经光辐射场方法。

该研究提出了一种用于人像与新背景合成的扩散模型，考虑了照明效果。通过引入灯光表示模块、对齐网络和数据模拟管道，实现了对全局色彩和亮度的调整，以及融合背景中的关键照明线索。该方法在保真度和照明连贯性方面优于现有基准，并在实际测试中表现出卓越的泛化能力。

本文提出了一种名为NeRF综合的新任务，利用NeRF补丁范例构建大尺寸的新辐射场。作者提出了一种两阶段的方法来综合新场景，控制场景的照明效果采用阴影指导而不是分离场景。该方法可以生成高质量的结果，对曲面上的新场景进行综合，增强了NeRF综合方法的实用性。