本文提出了一种基于高斯法线表示的监督学习方法，旨在提高反射场景的几何细节重建。通过极化先验引导学习，并优化重权策略以减轻噪声，实验证明该方法在神经三维重建中表现优异。

本文介绍了一种基于表面模型的神经重建方法Neural Reflectance Surfaces (NeRS)，通过学习形状、颜色和高光等参数，实现多角度物体重建。研究提出了高斯法线监督学习、卷积神经网络结构和偏振成像结合深度学习等新技术，推动了三维重建技术的发展。