URHand ist das erste universelle Licht-Handmodell, das zwischen verschiedenen Perspektiven, Posen, Beleuchtungsbedingungen und Identitäten generalisieren kann. Das Modell kann mit wenigen Bildern, die mit einem Smartphone aufgenommen wurden, personalisiert werden und ermöglicht unter neuen Lichtverhältnissen ein realistisches Rendering. Basierend auf der Beleuchtung von Handbildern aus mehreren Perspektiven durch ein neuronales Netzwerk haben wir eine robuste, universelle Licht-A-priori-Information erstellt. Wir stellen einen neuronalen Renderer vor, der ein räumlich variierendes lineares Beleuchtungsmodell verwendet und physikalisch inspirierte Schatten als Eingabemerkmale nutzt. Durch das Weglassen nichtlinearer Aktivierungen und Bias erhält unser speziell entwickeltes Beleuchtungsmodell die Linearität der Lichtübertragung explizit. Wir führen außerdem ein gemeinsames Lernen von physikalisch basierten Modellen und neuronalen Beleuchtungsmodellen ein, um die Genauigkeit und die Generalisierungsleistung weiter zu verbessern. Umfangreiche Experimente zeigen, dass unser Ansatz sowohl hinsichtlich der Qualität als auch der Generalisierungsfähigkeit bestehende Methoden übertrifft. Wir zeigen auch, wie man schnell eine Personalisierung für unbekannte Identitäten von einem Smartphone aus durchführen kann.