NeRF (Neural Radiance Fields) je metoda rekonstrukce trojrozměrné scény ze sady dvourozměrných fotografií se známými polohami kamery. Zásadní myšlenkou je uložit scénu nikoli jako mračno bodů či síť polygonů, ale jako spojitou funkci reprezentovanou váhami malé neuronové sítě: pro libovolný bod prostoru a libovolný směr pohledu síť vrátí hustotu prostředí a vyzařovanou barvu. Obraz z nové kamery se pak získá objemovým vykreslováním – podél každého paprsku se navzorkuje řada bodů a jejich barvy se s vahami podle hustoty složí do výsledného pixelu. Protože je celý tento proces diferencovatelný, lze síť natrénovat obyčejným gradientním sestupem tak, aby vykreslené snímky odpovídaly vstupním fotografiím; scéna se tedy neučí z anotací, ale sama ze sebe. Výsledkem je fotorealistická syntéza nových pohledů včetně odlesků a průhlednosti. Původní podoba trpěla velmi dlouhým trénováním a pomalým vykreslováním, což vyřešily mřížkové a hašované reprezentace a zejména pozdější Gaussian splatting. Uplatnění nachází ve virtuální realitě, digitalizaci památek, filmové postprodukci, robotice a prezentaci nemovitostí.
Obejdete pomník a nafotíte ho ze třiceti stran. NeRF z těch fotografií neposkládá model ze trojúhelníků, jak to dělají klasické programy, ale naučí se odpovídat na jedinou otázku: „Kdybych stál tady a koukal se tímhle směrem, co bych viděl?“ Odpověď zná pro každé místo a každý směr, včetně těch, odkud jste nikdy nefotili. Prakticky si tedy nepořídíte sochu, ale schopnost namalovat její jakýkoli pohled. A protože ta schopnost zahrnuje i to, jak se od lesklého kamene odráží světlo pod různým úhlem, výsledek vypadá jako fotografie, nikoli jako počítačová grafika.