针对现有的梯度域路径跟踪方法大多关注单帧的重建，缺乏帧间信息的重用，导致渲染结果帧间一致性难以保持的问题，提出一种结合历史帧信息的梯度域网络重建方法。该方法使用运动向量将历史帧信息映射到当前帧，通过重建网络实现高质量的帧图像重建；在重建网络中，设计了基于时序信息的损失函数项，实现在重建结果的空间可靠性和时间稳定性上的平衡；进而，设计了重加权模块，实现帧内重建的结果在帧间的合理传递，在提升视觉质量的同时，提升了时序连续性。在Bedroom、Classroom和Bathroom等多个测试场景中进行实验的结果表明，与主流的梯度域路径追踪网络重建方法GradNet相比，所提方法均获得更高的单帧重建质量，可在有效地消除噪声的同时保留更多的光照细节，并且有效地消除了连续帧的闪烁问题，RelMSE降低14.28%～32.56%，LPIPS误差最多降低50.95%。
Ma et al. (Sun,) studied this question.