神经辐射场（neural radiance field, NeRF）
/ NUR-ul RAY-dee-uns feeld (nurf) /
神经辐射场，即NeRF，能从一组在不同角度拍下的普通照片中，构建出一个场景的三维模型——然后让你把一台虚拟相机飞到任何一个你其实从未拍过的新视角。从二十个位置给一座雕像拍照，NeRF就能渲染出从其中任意两个位置「之间」看过去会是什么样，连透视、光照、甚至反光都正确无误。它是一种把真实的地方或物体，捕捉成「你可以在三维里重访之物」的方法。
它巧妙的转折，在于它存的是什么。NeRF存的不是传统的、由三角形拼成的三维网格，而是一个小小的神经网络，它把整个场景记成了一个连续的函数：你问它「在这个三维点上、从这个方向看过去，那里是什么颜色、有多实在？」，它就回答。要生成一张图像，计算机会向每个像素射出想象的光线，沿每条光线向网络询问许多个点，再把颜色累加起来——这个过程叫体渲染。把网络训练到它渲染出的视角与你的真实照片相符，它便隐式地学会了场景的几何。
这是个惊艳的成果，但要把局限说清楚。最初的NeRF训练慢、渲染也慢，它捕捉的是某一个特定场景（并非通用的世界模型），还假设场景静止不动——移动的人或车会让它犯糊涂。它在你的照片之间能漂亮地插值，却无法真实地凭空造出某个你从未展示给它看的物体的背面。这个领域发展极快：更快的变体，以及一种叫高斯泼溅（Gaussian splatting）的相关技术，如今已能实时渲染。但说到底，NeRF重建的是一种「你可以重新观看的外观」；它不是测量级的三维扫描，那些没被看见的部分，都是猜测。
你绕着一座喷泉走，拍了40张照片。一个NeRF在这些照片上训练，然后让你把相机滑到一个你从未站过的低角度——水流、飞溅的反光、以及深度，看起来都对。但若把虚拟相机对准喷泉那一侧——你的照片从未拍到过的地方——结果就糊成了含混的瞎猜。
在你拍过的照片之间可以自由移动——但你从未展示过的部分，仍然是一场猜测。
NeRF重建的是某一个特定、且大体静止的场景，作为一种「可重新观看的外观」——它既不是通用的三维世界模型，也不是测量级的扫描。它在你的照片之间插值，却无法真实地补全它从未见过的表面。最初的版本很慢；较新的方法（以及高斯泼溅）渲染要快得多。