ニューラルラディアンフィールド（NeRF）とは、複数の2D画像から連続的な3D空間を再現する深層学習技術です。ニューラルネットワークを用いて空間内の位置と視線方向から光の放射度と密度を予測し、任意の視点から高精細な画像を合成できます。視点合成やVR/AR技術の発展に大きく貢献しています。
ニューラルラディアンフィールドとは
NeRF（ナフ）とも略称され、複数枚の2D写真を入力として、任意の角度から見た高品質な3Dシーンをニューラルネットワーク内に暗黙的に表現・合成する空間レンダリング技術です。
詳しく解説
従来の3D表現とは異なり、NeRFは空間内の3次元座標と撮影角度を入力とし、その点における「色」と「密度」をニューラルネットワークで学習します。撮影されていない未未知の角度からの風景を、微分可能なレンダリング手法を用いて高精度に再構成できる点が特徴です。微細な光の反射や半透明な物体の透過効果まで忠実に再現できるため、コンピュータビジョンの分野において3Dモデル生成の自由度を飛躍的に向上させました。
具体例・使われ方
文化財や撮影現場の多角的な写真から自由視点動画を作成する技術や、VR/AR環境向けの高精細な背景データの生成に活用されています。また、ECサイトでの商品立体展示や、映画やゲームの背景美術を実写写真から効率的にデジタル化する用途でも期待されています。
似た用語との違い
写真から立体構造を復元する従来手法のフォトグラメトリは、形状を明示的なポリゴンとして出力しますが、光の反射の再現には限界がありました。NeRFはニューラルネットワークのパラメータとして空間を保持することで複雑な光学的効果を再現できます。また、近年登場した3D Gaussian Splattingは、楕円状の粒子を用いて高速に描画する点でNeRFと異なります。
注意点
シーンの学習および描画処理にかかる計算コストが高く、リアルタイム処理や大規模空間の生成には強力なハードウェアが必要です。また、生成された空間表現は従来のゲームエンジンで扱える標準的な3Dモデル形式とは異なるため、直接的な編集や組み込みが難しいという課題もあります。