Matrix Decomposition

思路：

• 在多张不同光照条件的图像下，同一个场景像素的变化可以分解成光照分量和材质分量的乘积
• 假设成像满足 (I \approx S \times L)：
  • (S)：几何 + 材质相关的部分（空间不变）
  • (L)：光照相关的部分（随光源变化）

将观测数据（多张图片）组成一个大矩阵，然后用 SVD, Singular value decomposition（奇异值分解）** 或 NMF（非负矩阵分解） 把它拆成两个矩阵：

$$I_{m\times n}\approx S_{m\times k}\cdot L_{k\times n}$$

优点：不需要显式法线或反射率，能从数据里自适应分离光照和材质
缺点：需要多光照数据，且分解结果可能有不唯一性，需要加入先验约束