该文章介绍了OmniHorizon数据集和UBotNet架构，用于估计场景一致性法线。UBotNet在深度和法线估计上比现有网络更准确，展示了在真实世界图像上的应用和数据集的潜力。

本研究提出了一种从真实世界图像中提取基于物理的渲染材料的方法，通过扩散模型将图像区域映射到材料概念，并利用独立网络将生成的纹理分解成空间变化的BRDFs。通过无监督领域适应实现对新样本的泛化应用。该方法在合成和真实世界数据集上进行了评估，并展示了从实际照片估计的材料编辑3D场景的适用性。

该文介绍了一种基于特征空间的图像去噪方法，通过提取噪音和无噪音样式，分离干净内容和噪音，实现像素级属性编辑。实验证明该方法在合成噪音去除和真实世界图像去噪数据集上有效，并具有良好的可解释性。

本文介绍了一种新的前景抠图模型GFM，通过共享编码器和两个独立解码器，在高级语义分割和低级细节抠图之间进行学习，实现了自然图像的端到端抠图。同时，通过对合成图像和真实世界图像之间的差异进行分析，提出了一种RSSN组合路径，以提高模型的泛化能力。实验结果表明，GFM模型在真实世界图像上的泛化性能得到了有效提高。