Neural Radiance Fields (NeRF) とは2020年に提案されたニューラルネットワーク (NN) に基づく映像生成技術です。ある物体を様々な向きから撮影した画像を入力すると、NNが内部で物体の形状をモデル化し、視点を自由に動かしてその物体の画像を生成できます。この技術は一般に自由視点画像生成とも呼ばれます。NeRFは従来手法よりも高精細な画像を生成でき、さらに3次元モデリング技術としても活用可能なため、非常に注目されています。
　本セミナーでは、NeRFに興味がある、NeRFは聞いたことがあるけど技術はよく分からない、NeRFを業務に導入する可能性を検討されている方を対象に、NeRFを理解する上での基礎知識を解説します。具体的には、コンピュータビジョンで古くから用いられている理論であるカメラ幾何や三角測量、Multi-view stereoです。これらの技術を踏まえてNeRFの考え方を説明します。NeRFはディープラーニングの技術として解説されることが多いですが、コンピュータビジョンの観点では三角測量やバンドル調整の発展版として考えることで、より一層NeRFの理解を深めることができます。NeRFはNNで何をしているのか、なぜ従来より高精度な画像を生成できるのか、というポイントを理論的な側面から分かりやすく解説します。

1. NeRFの概要
   1. NeRFとは何か
   2. NeRFの特徴
   3. NeRFの応用例
2. コンピュータビジョンの基礎知識
   1. カメラ幾何
   2. 三角測量
   3. バンドル調整
   4. SfM (structure from motion)
   5. ステレオマッチング
   6. 再投影誤差とPhotometric error
   7. Multi-view stereo
3. NeRFの原理と動向
   1. 入力と出力
   2. ニューラルネットワークを用いた空間表現
   3. Volumetric renderingを用いた画像生成
   4. NeRFの最適化に用いる誤差関数
   5. NeRFの最新の動向