Neural Radiance Field (NeRF)

Co je to Neural Radiance Field?

Neural Radiance Field (NeRF) je model strojového učení, který se učí vzhled scény ze sady překrývajících se fotografií a následně renderuje fotorealistické pohledy z libovolného úhlu uvnitř nebo v blízkosti zachyceného objemu. Na rozdíl od tradičního 3D modelování, které vyžaduje explicitní geometrii (sítě, povrchy, mračna bodů), NeRF zakóduje scénu jako spojitou funkci uvnitř neuronové sítě. Když se této funkce zeptáte na směr a polohu paprsku kamery, vrátí zářivost (světlo) vyzařované směrem ke kameře v daném bodě. Výsledkem je reprezentace 3D scény, která rekonstruuje jemné detaily a osvětlení, ale nezaručuje geometrickou přesnost ani rozměrovou správnost.

Jak NeRF technicky funguje?

NeRF reprezentuje scénu pomocí vícevrstvé neuronové sítě, která přijímá pět vstupů: 3D polohu (x, y, z) a směr pohledu (theta, phi), a vydává dvě hodnoty: objemovou hustotu a zářivost (barvu). Během tréninku je síť krmena stovkami vzorových paprsků ze vstupních fotografií, z nichž každý je označen skutečnou barvou pixelu, kterou by měl produkovat. Síť upravuje své váhy, aby minimalizovala rozdíl mezi svými předpověďmi a skutečnými hodnotami pixelů. Po natrénování může síť syntetizovat pohledy z nových pozic kamery tím, že vrhá paprsky skrze naučenou scénu a integruje předpovědi zářivosti sítě. Tento proces je výpočetně náročný: původní článek Mildenhall et al. z roku 2020 vyžadoval 1 až 2 dny GPU času na scénu. Novější vylepšení jako Instant-NeRF zkracují tuto dobu na minuty.

Jak se NeRF liší od fotogrammetrie?

Tento rozdíl je pro architektonickou praxi zásadní. Fotogrammetrie (structure-from-motion) převádí překrývající se fotografie na mračno bodů, síť nebo voxelový objem: explicitní, měřitelnou geometrii, která zůstává konstantní bez ohledu na úhel pohledu. Fotogrammetrický model lze importovat do BIM softwaru, rozměry lze ověřit a geometrie je znovu použitelná napříč projekty a klienty. NeRF se učí reprezentaci závislou na pohledu, která optimalizuje pouze vizuální věrohodnost v zachycených úhlech, na rozdíl od měřené geometrie nebo generativních obrazových přístupů. Jeho neuronová funkce nedokáže přímo odpovědět na otázku "Jaká je vzdálenost od okna k rohu?" nebo "Je fasáda rovná nebo zakřivená?". Fotogrammetrie na takové otázky odpovídá spolehlivě; NeRF nikoli.

Jak si NeRF stojí v porovnání s Gaussian splattingem?

Obě metody jsou neuronové 3D rekonstrukce trénované z víceúhlových fotografií a obě se vyhýbají pracnému manuálnímu 3D modelování. Hlavní rozdíl je v reprezentaci: NeRF používá spojitou implicitní funkci (neuronovou síť, kterou hustě dotazujete), zatímco Gaussian splatting používá explicitní sadu naučených 3D Gaussianů, které se rasterizují přímo do 2D. Díky tomu je Gaussian splatting mnohem rychlejší pro renderování (často v reálném čase při 60 FPS ve VR prohlížeči), ale může vykazovat trhání a časové artefakty, když se kamera pohybuje skrz nebo poblíž splatu. NeRF je pomalejší pro renderování (často 5 až 30 sekund na snímek), ale produkuje hladší a fotorealističtější jednotlivé snímky. Pro architektonickou vizualizaci zvolte NeRF, pokud chcete co nejlepší statický render pro prezentace klientům nebo dokumentaci památek; zvolte Gaussian splatting, pokud potřebujete interaktivní prohlídky v reálném čase nebo výkon pro VR headsety.

Jaká jsou omezení a poctivé případy použití?

NeRF vyniká v renderování z nových úhlů pohledu, ale neprodukuje měřený geodetický průzkum. Klient, který vidí NeRF procházku kolem své přístavby, by měl chápat, že jde o vizualizaci vzhledu, nikoli o důkaz rozměrové shody. NeRF nelze použít k ověření, zda okno pasuje do otvoru, zda schodiště splňuje normy nebo zda fasáda dodržuje odstupové vzdálenosti. Je také náročný na trénovací data: špatné osvětlení, opakující se vzory nebo tenké prvky (např. zábradlí) často způsobují artefakty. Proces snímání vyžaduje mnoho překrývajících se fotografií z pečlivě naplánované cesty kolem objektu; ruční focení funguje, ale dron nebo strukturovaná cesta poskytují lepší výsledky. U 50metrové fasády se složitou geometrií můžete potřebovat 100 až 200 snímků a několik hodin tréninku.

Jaké nástroje a pracovní postupy by měli architekti znát?

Komerční i profesionální NeRF nástroje rychle dospívají. Webové služby (Luma AI, Cinematic 360, RealityScan) přijímají nahrání fotografií a vydávají interaktivní 3D modely bez nutnosti vlastního GPU; zpracování trvá hodiny až dny. Open-source frameworky (Instant-NeRF, NeRF-PyTorch) běží na lokálních nebo cloudových GPU a nabízejí větší kontrolu nad parametry tréninku. Některé fotogrammetrické platformy (Metashape, Pix4D) přidávají neuronové renderování jako alternativní výstupní režim. Pro architekty je praktický pracovní postup: pořídit 50 až 100 překrývajících se fotografií chytrým telefonem nebo DSLR za dobrého denního světla; nahrát je do cloudové NeRF služby; za 24 až 48 hodin obdržet procházetelný 3D model, který lze vložit do prezentace, VR platformy nebo webu pro klienta. Procházkové video lze z NeRF modelu vygenerovat automaticky. Náklady se obvykle pohybují od 5 do 50 eur za scénu.

Integrace s návrhovým workflow se teprve rozvíjí. Některé architektonické kanceláře fotografují stávající místa, natrénují NeRF a poté komponují návrh klienta do NeRF kontextu pomocí 3D editoru nebo nástroje pro prolínání. To poskytuje fotorealistickou integraci do místa rychleji než ruční texturování fotogrammetrické sítě nebo renderování návrhu na pozadí statického snímku.