Abstract — 摘要
This paper presents a novel theory of Fermat paths of light
between a known visible scene and an unknown object
not in the line of sight of a transient camera.
These light paths either obey specular reflection
or are reflected by the object's boundary,
encoding the hidden object's shape.
Fermat paths correspond to
discontinuities in transient measurements,
enabling shape recovery from time-resolved imaging data.
本文提出一套關於費馬光路徑的新穎理論，描述光線在已知可見場景與未知非直視物體之間的傳播行為。這些光路徑或遵循鏡面反射定律，或經由物體邊界反射，從而編碼了隱藏物體的形狀資訊。費馬路徑對應於瞬態測量中的不連續性，使得從時間解析成像資料中恢復形狀成為可能。
段落功能
全文總覽——以精煉語言勾勒核心理論貢獻：費馬路徑作為非直視成像的理論基礎。
邏輯角色
摘要建立了「物理原理→數學框架→實際應用」的三層敘事：以費馬原理為物理基礎，將隱藏物體的幾何資訊編碼於可測量的不連續性中，為後續演算法的建構提供理論保證。
論證技巧 / 潛在漏洞
以經典物理原理（費馬原理）命名方法是極高明的學術策略——將計算成像問題錨定於三百年歷史的光學理論，賦予工作深厚的學術正當性。「編碼形狀資訊」的宣稱需要嚴謹的數學證明支撐。
1. Introduction — 緒論
Non-line-of-sight (NLOS) imaging aims to reconstruct objects
hidden from direct view, using indirect light reflections off visible surfaces.
This capability has significant applications in
autonomous driving, rescue operations, and military surveillance.
Previous approaches relied on backprojection algorithms
assuming diffuse reflectance,
fundamentally limiting their applicability to a narrow class of hidden objects.
非直視線（NLOS）成像旨在利用可見表面的間接光反射，重建無法直接觀察的隱藏物體。此能力在自動駕駛、救援行動與軍事偵察等領域具有重大應用價值。先前的方法依賴於假設漫反射的反向投影演算法，從根本上限制了其僅適用於一小類隱藏物體。
段落功能
建立研究場域——定義 NLOS 成像問題，並指出既有方法的根本性限制。
邏輯角色
論證鏈的起點：先以高影響力的應用場景（自動駕駛、救援）吸引注意，再精準指出既有方法的「漫反射假設」這一致命侷限，為引入新理論框架製造必要性。
論證技巧 / 潛在漏洞
以應用場景開篇是有效的動機建構策略，但所列應用（自動駕駛等）與實驗中的受控環境存在顯著差距。「漫反射假設」的批判精準且致命——這確實是 NLOS 領域的核心瓶頸。
This work introduces Fermat paths —
light paths of stationary optical length —
as a theoretical framework for NLOS shape recovery.
Based on Fermat's principle, these paths represent
extremal-time trajectories between illuminated points and hidden objects,
providing geometric constraints that are
independent of the hidden object's reflectance properties.
本研究引入費馬路徑——光學路程駐定的光路徑——作為 NLOS 形狀恢復的理論框架。基於費馬原理，這些路徑代表照明點與隱藏物體之間的極值時間軌跡，提供與隱藏物體反射特性無關的幾何約束。
段落功能
提出核心概念——以費馬原理作為新理論框架的基石。
邏輯角色
此段是全文的理論轉折點：「與反射特性無關」直接回應上段對漫反射假設的批判，意味著新方法在理論上適用於任意材質的隱藏物體。
論證技巧 / 潛在漏洞
將費馬原理重新詮釋為 NLOS 問題的解鑰匙，展現了深刻的物理洞察力。「反射特性無關」是極強的理論宣稱，需要嚴格的數學推導（而非僅靠直覺論述）來支撐，這正是後續理論章節的任務。
2. Theory of Fermat Paths — 費馬路徑理論
Fermat's principle states that light travels along paths of
stationary optical length.
In NLOS settings, Fermat paths between illuminated points and hidden objects
satisfy specific geometric constraints.
The authors derive a novel constraint relating
"the spatial derivatives of the path lengths at these discontinuities to the surface normal"
of the hidden object.
費馬原理指出光線沿光學路程駐定的路徑傳播。在 NLOS 場景中，照明點與隱藏物體之間的費馬路徑滿足特定的幾何約束。作者推導出一項新穎的約束關係，將這些不連續點處的路徑長度空間導數與隱藏物體的表面法向量相關聯。
段落功能
建立理論基礎——將費馬原理形式化為 NLOS 幾何約束。
邏輯角色
此段是理論推導的起點：從經典物理原理出發，推導出路徑長度導數與表面法向量之間的數學關係。這一關係是整篇論文最核心的理論貢獻。
論證技巧 / 潛在漏洞
從經典原理推導新結果是最具說服力的理論策略——結論的正確性建立在三百年來經過驗證的物理定律之上。然而「路徑長度的空間導數」在離散測量中的數值穩定性可能成為實作瓶頸。
Three types of Fermat paths are identified:
specular reflection paths that bounce off smooth surface regions,
shadow boundary paths that graze the object's shadow edges, and
occluding contour paths that tangentially touch the object's silhouette.
Each type encodes different geometric information about the hidden surface,
and collectively they provide a comprehensive characterization of the object's shape.
研究識別出三種費馬路徑：從平滑表面區域反射的鏡面反射路徑、掠過物體陰影邊緣的陰影邊界路徑，以及切線觸及物體輪廓的遮擋輪廓路徑。每種類型編碼了隱藏表面的不同幾何資訊，整體上提供了物體形狀的全面表徵。
段落功能
分類學建構——系統性地劃分費馬路徑的三種類型及其幾何意涵。
邏輯角色
此段將抽象的費馬原理具體化為三種可操作的路徑類型，形成了從理論到演算法的橋梁。三種路徑的互補性暗示演算法需要綜合利用多種不連續性資訊。
論證技巧 / 潛在漏洞
三分類法清晰優雅，但隱含一個假設：實際測量中能夠區分這三種不連續性。在雜訊環境下，不同類型的不連續性可能相互重疊或模糊，分類的可行性需要實驗驗證。
3. Fermat Flow Algorithm — 費馬流演算法
Based on the theoretical framework, the authors present
Fermat Flow — an algorithm that
extracts shape information from discontinuities in transient measurements.
The algorithm proceeds in four stages:
(1) detecting discontinuities in time-resolved measurements,
(2) classifying them by Fermat path type,
(3) estimating surface normals from path length derivatives, and
(4) reconstructing the hidden surface through integration.
基於上述理論框架，作者提出費馬流（Fermat Flow）演算法——一種從瞬態測量的不連續性中提取形狀資訊的方法。演算法分四個階段進行：（1）在時間解析測量中偵測不連續性；（2）按費馬路徑類型進行分類；（3）從路徑長度導數估算表面法向量；（4）透過積分重建隱藏表面。
段落功能
展示演算法管線——將理論轉化為可執行的四階段流程。
邏輯角色
此段是從理論到實作的關鍵轉換。四階段流程嚴格對應理論推導：偵測（資料層）→ 分類（對應三種路徑）→ 估算（利用導數-法向量關係）→ 積分（最終重建）。
論證技巧 / 潛在漏洞
四階段的序列性設計清晰易懂，但每一階段的誤差會逐級累積——特別是不連續性偵測的精度直接影響後續所有步驟。作者未討論誤差傳播的定量分析。
A key advantage of the Fermat Flow algorithm is its ability to handle
both diffuse and specular hidden objects.
Unlike previous backprojection methods that
fundamentally require diffuse reflectance assumptions,
the Fermat path framework operates on
geometric properties of light transport
that are agnostic to surface reflectance.
費馬流演算法的一項關鍵優勢在於其處理漫反射與鏡面反射隱藏物體的雙重能力。不同於先前從根本上需要漫反射假設的反向投影方法，費馬路徑框架基於光傳輸的幾何特性運作，對表面反射特性不設前提。
段落功能
差異化論述——明確對比費馬流與既有方法在反射特性處理上的根本差異。
邏輯角色
此段回應緒論中提出的核心批判（漫反射假設），形成完整的「問題→解決」閉環。「反射特性無關」從宣稱提升為演算法設計的內在屬性。
論證技巧 / 潛在漏洞
「反射特性無關」是理論上的最大賣點，但需注意：鏡面反射物體的費馬路徑較容易偵測（不連續性較銳利），而漫反射物體的不連續性可能較為模糊。理論上的對稱性未必在實作中等價。
4. Experiments — 實驗
The method demonstrates accurate shape recovery at
millimeter-scale using SPAD-based transient imaging and
micrometer-scale using interferometric measurements.
Complex objects including both diffuse and specular surfaces
are successfully reconstructed.
The approach handles objects
hidden around corners and behind diffusers,
covering the two most common NLOS scenarios.
該方法展示了在多個尺度上的精確形狀恢復能力：利用基於 SPAD 的瞬態成像達到毫米級精度，利用干涉量測達到微米級精度。包含漫反射與鏡面反射表面的複雜物體均被成功重建。該方法能夠處理藏在轉角後方與擴散器後方的物體，涵蓋了兩種最常見的 NLOS 場景。
段落功能
提供多尺度實驗證據——展示方法在不同成像模態下的通用性。
邏輯角色
跨越三個數量級（毫米到微米）的驗證極具說服力，暗示理論框架的普適性不僅限於特定硬體平台。兩種 NLOS 場景的覆蓋回應了應用層面的需求。
論證技巧 / 潛在漏洞
多尺度驗證是本文的一大亮點——在同一理論框架下統一不同物理尺度的實驗，展現了理論的深度。但實驗均在受控環境中進行，與緒論中提及的自動駕駛等野外場景存在顯著差距。
Comparison with backprojection methods shows
superior shape recovery, particularly for
specular objects where previous methods fail entirely.
The Fermat Flow algorithm successfully reconstructs surfaces that produce
no diffuse return signal, demonstrating the
fundamental advantage of the Fermat path framework
over reflectance-dependent approaches.
與反向投影方法的對比顯示出優異的形狀恢復效果，尤其在鏡面物體上——先前方法在此類物體上完全失效。費馬流演算法成功重建了不產生漫反射回傳訊號的表面，展示了費馬路徑框架的根本性優勢。
段落功能
提供對比證據——以既有方法的完全失敗突顯新方法的優越性。
邏輯角色
此段是全文論證的高潮：先前方法在鏡面物體上的「完全失敗」與費馬流的「成功重建」形成最大化的對比，從實驗層面證實了理論框架的必要性與充分性。
論證技巧 / 潛在漏洞
「完全失效」vs.「成功重建」的二元對比修辭效果極佳，但可能遮蓋了漸進式改良方法（如改良型反向投影）的中間成果。此外，成功重建的精度閾值未被明確定義——「成功」的量化標準為何？
5. Conclusion — 結論
The paper establishes a theoretical foundation for NLOS imaging based on Fermat's principle.
The Fermat Flow algorithm enables
accurate shape recovery for complex objects regardless of their reflectance properties.
This work opens new possibilities for
seeing around corners with theoretical guarantees,
advancing the field from heuristic reconstruction methods to a principled geometric framework.
本文為基於費馬原理的 NLOS 成像建立了理論基礎。費馬流演算法實現了對複雜物體的精確形狀恢復，且不受其反射特性影響。此研究為具有理論保證的「繞角觀察」開啟了新的可能性，推動了該領域從啟發式重建方法邁向具有原則性的幾何框架。
段落功能
總結全文——重申理論貢獻的基礎性地位與未來展望。
邏輯角色
結論段將論文定位為範式轉移：從「啟發式」到「原則性」，從「受限」到「通用」。三句話分別對應理論貢獻、演算法成果、與未來影響。
論證技巧 / 潛在漏洞
「理論保證」是極具力量的結語，呼應了最佳論文獎的評選標準——理論深度。但「理論保證」在實際中受限於測量雜訊、有限解析度等因素，完美的理論框架與不完美的實際量測之間的鴻溝仍待後續工作填補。
論證結構總覽
問題
NLOS 成像受限於
漫反射假設
NLOS 成像受限於
漫反射假設
→
論點
費馬路徑提供
反射無關的幾何約束
費馬路徑提供
反射無關的幾何約束
→
證據
毫米/微米級精度
鏡面物體成功重建
毫米/微米級精度
鏡面物體成功重建
→
反駁
既有方法在鏡面
物體上完全失效
既有方法在鏡面
物體上完全失效
→
結論
建立 NLOS 成像的
原則性理論基礎
建立 NLOS 成像的
原則性理論基礎
作者核心主張（一句話）
基於費馬原理的光路徑理論能夠從瞬態測量的不連續性中提取隱藏物體的形狀資訊，且此方法不受物體反射特性的限制，為非直視成像提供了首個具有理論保證的通用框架。
論證最強處
理論深度與物理優雅性：將三百年歷史的費馬原理重新詮釋為解決當代計算成像問題的鑰匙，展現了深刻的物理洞察力。三種費馬路徑的分類不僅在數學上完備，更在實驗中得到驗證。跨越毫米到微米尺度的多模態實驗證明了理論的普適性，鏡面物體的成功重建則以最具戲劇性的方式展示了框架的獨特優勢。
論證最弱處
從受控實驗到真實場景的鴻溝：所有實驗均在高度受控的實驗室環境中進行，與緒論中描繪的自動駕駛、救援等應用場景存在顯著差距。費馬流演算法的四階段序列設計面臨誤差累積風險，不連續性偵測在低信噪比環境下的穩健性未被充分探討。此外，計算複雜度與即時性未被討論，限制了對實際部署可行性的評估。