URHand是第一个能够在不同视角、姿势、光照和身份之间实现泛化的通用光照手模型。该模型可以使用手机拍摄的图像进行少拍摄个性化，并且可以在新的光照条件下实现逼真渲染。基于神经网络多视角手部图像的光照，我们构建了强大的通用光照先验。我们提出了一种神经渲染器，它采用了空间变化的线性照明模型，并以物理启发的阴影作为输入特征。通过移除非线性激活和偏差，我们的特定设计的照明模型明确保持了光传输的线性性。我们还引入了基于物理的模型和神经光照模型的联合学习，进一步提高了保真度和泛化性能。大量实验表明，我们的方法在质量和泛化能力方面都优于现有方法。我们还展示了如何从手机对未曾见过的身份进行快速个性化。