本征图像综述：深入朗伯模型及其超越

本征成像或本征图像分解传统上被描述为将一幅图像分解为两层的问题：反射率，即材料不随光照变化的反照率颜色；以及着色，由光与几何相互作用产生。近年来深度学习技术已被广泛应用以提升这些分离的准确性。在本综述中，我们在知名本征图像数据集与文献中所用相关指标的语境下概述这些结果，讨论它们预测理想本征图像分解的适用性。尽管朗伯假设仍是许多方法的基础，我们表明人们正日益意识到图像形成过程中更具物理原理的组分之潜力，即光学精确的材料模型与几何，以及更完备的逆光传输估计。我们依据分解类型对这些方法进行分类，考量所用先验与模型，以及驱动分解过程的学习架构与方法论。鉴于神经渲染、逆渲染与可微渲染技术的最新进展，我们也对未来研究方向提供见解。