NeRF（Neural Radiance Fields、ナーフ）は、複数枚の2D画像からニューラルネットワークを用いて高精度な3Dシーンを再構成する技術です。従来の3Dモデリングとは異なり、空間の各点における密度と光の放射強度を暗黙的に学習することで、写真のようにリアルな視点合成画像を生成できます。
NeRFとは
NeRF（Neural Radiance Fields）とは、複数の角度から撮影された2D画像を入力として、ニューラルネットワーク内に3D空間の形状と光の情報を学習させ、任意のカメラ視点から見た高精細な3D画像を生成する技術です。
詳しく解説
NeRFは2020年に発表され、3Dコンピュータグラフィックス分野に革命をもたらしました。その仕組みは、3D空間上の位置（x, y, z）と、そこを通過する光の方向（θ, φ）を入力とし、その点における「体積密度（不透明度）」と「放射される色（RGB）」を出力する多層パーセプトロン（MLP）を構築することにあります。この暗黙的表現を用いることで、従来のポリゴンや点群といった明示的な幾何構造を定義することなく、複雑な形状や、光の反射・透過、霧のような半透明のオブジェクトを極めてリアルに表現できます。学習後は、ボリュームレンダリングという手法を用いて任意の視点からの画像を計算・描画します。
具体例・使われ方
具体的な利用例としては、スマートフォンのカメラで数枚から数十枚の写真を撮影するだけで、実在する部屋や美術品を高精度なデジタルツインとして再現する用途が挙げられます。また、Google マップの「イマーシブ ビュー」のような、現実の街並みを自在見回せる立体的な地図サービスの生成や、映画やゲームの背景美術・特殊効果を実写画像からシームレスに作成するVFX（ビジュアルエフェクト）の現場、さらには医療画像処理での3D視覚化など、幅広い分野で実用化が進んでいます。
似た用語との違い
従来の3D表現手法である「ポリゴンメッシュ」や「点群（ポイントクラウド）」が点と面の集合として明示的な3D形状を定義するのに対し、NeRFはニューラルネットワークの重み（パラメータ）として3D空間の情報を「暗黙的」に保持します。また、類似する3D生成技術である「3D Gaussian Splatting」は、NeRFのようにニューラルネットワークを毎回実行するのではなく、多数の3D楕円体（ガウシアン）を直接配置して高速に描画するため、リアルタイム描画性能においてNeRFを上回りますが、NeRFはより滑らかな反射表現や省メモリなデータ保持に強みがあります。
注意点
NeRFの主な課題は、ニューラルネットワークの学習（トレーニング）および画像の生成（レンダリング）に膨大な計算コストと時間がかかる点です。また、静止したシーンを対象とすることが前提であるため、動く物体や変化する光源が含まれるシーンの再現には特別な拡張モデルが必要です。さらに、入力する2D画像の撮影品質や枚数が不足していると、アーティファクトと呼ばれるノイズや歪みが発生し、正確な3D表現ができなくなる点にも注意が必要です。