熱イメージングは物体の温度分布を可視化する強力な技術であり、温度変化が熱伝達物理に直接支配されるため、シーンの潜在的な熱物理特性に関する情報を豊富に含んでいる。このため、熱観測から空間的に分解された熱物理特性（例えば熱拡散率）を復元できれば、デジタルツイン、インフラ監視、ロボティクス、科学イメージングなどの応用に革命をもたらす可能性がある。しかし、既存の熱シーン再構成手法は複雑な3D環境で温度場を復元できるものの、熱進化を制御する熱物理特性を特定することはできず、一方で逆解析手法は物理的解釈可能なパラメータ推定を提供するが、単純化された幾何学と制御された実験条件に依存するという課題があった。
これらの課題を解決するために、Chenghao XuらはThermoFieldと呼ばれる新しいフレームワークを提案した。ThermoFieldは微分可能な熱伝達シミュレーションを通じて、熱シーン再構成と熱物理パラメータ推定を統合する。提案フレームワークでは、空間的に変化する熱拡散率などの物理量をニューラルフィールドとして表現し、シーンの幾何学、熱伝達物理、時間分解熱観測によってこれらを制約する。これにより、ThermoFieldは幾何学の再構成、空間的に変化する熱拡散率の推定、そして未観測の環境条件での熱進化予測を同時に行うことができる。
重要なのは、ニューラルシーン表現と微分可能熱伝達ソルバーを統合することで、複雑な3Dシーンにおいて物理的に解釈可能なパラメータ推論を可能にしている点である。実験結果は、ThermoFieldが熱シーン再構成と逆熱伝達解析の間の橋渡しをし、熱観測から幾何学再構成、熱物理特性推定、予測的熱シミュレーションへの統一アプローチを提供することを示している。このフレームワークは、基礎的な機械知覚の課題に取り組むとともに、実世界の応用において熱データからより深い物理的洞察を引き出す可能性を秘めている。論文は2026年7月8日に提出され、現在査読中である。