近年来，基于神经网络的方法已广泛应用于基于摄像头的3D重建中。但在大多数情况下，3D重建仍然需要数百个摄像头视角才能完成。与此同时，虽然传统的光度测量方法可以计算出高精度的重建结果（即使是表面没有纹理的物体），但这些方法通常只能在受控的实验室条件下有效。

据外媒报道，慕尼黑工业大学（Technical University Munich）计算机视觉和人工智能系（Computer Vision and Artificial Intelligence）教授、慕尼黑机器学习中心（MCML）负责人兼慕尼黑数据科学研究所（MDSI）所长Daniel Cremers及其团队共同开发出仅使用2个摄像头视角实现3D重建的方法。

图片来源：Technical University Munich

该方法将表面的神经网络与照明过程的精确模型相结合，该模型能够考虑光吸收以及物体与光源之间的距离。而图像中的亮度可用来确定表面相对于光源的角度和距离。