NeRF (Neural Radiance Fields) – tworzenie modeli 3D ze zdjęć 2D za pomocą sieci neuronowych.

Metoda umożliwiająca rekonstrukcję trójwymiarowych modeli scen na podstawie zbioru dwuwymiarowych obrazów, z wykorzystaniem sieci neuronowych. Technika ta polega na uczeniu modelu, który mapuje współrzędne przestrzenne oraz kierunek widzenia na wartości intensywności i gęstości promieni świetlnych, co pozwala na generowanie realistycznych reprezentacji 3D. Model ten uczy się emitować światło i gęstość w każdej pozycji w przestrzeni, co umożliwia renderowanie dowolnego widoku sceny w wysokiej jakości.

W praktyce metoda ta wykorzystuje tzw. pole promieniowania (radiance field), które jest reprezentowane przez sieć neuronową, dzięki czemu można interpolować i syntetyzować nowe obrazy z różnych perspektyw, zachowując spójność geometryczną i oświetleniową. Technologia znalazła zastosowanie w takich dziedzinach jak wizualizacja komputerowa, rozszerzona rzeczywistość czy rekonstrukcja architektoniczna, oferując przewagę nad tradycyjnymi technikami modelowania 3D pod względem jakości i szczegółowości odwzorowania scen.

Charakterystyczną cechą tego podejścia jest zdolność do generowania realistycznych efektów świetlnych i cieni, a także do efektywnego wykorzystania ograniczonej liczby zdjęć do stworzenia pełnej, trójwymiarowej reprezentacji obiektu lub przestrzeni. Wymaga to jednak dużej mocy obliczeniowej podczas procesu uczenia, co jest jednym z wyzwań związanych z implementacją tej technologii.