3次元シーンデータは多くの場合、不完全な構造を持ちます。既存手法は深度推定器を用いて欠損領域を補完しますが、予測結果が観測幾何学と矛盾したり、分布外のデータでは信頼性が低下する問題がありました。本研究では、これらの問題を解決するために神経深度場（NDF）を提案します。NDFの核心は、深度推定器をシーンレベルの暗黙的場として同時に扱うことです。推定器として観測深度データを学習して対象領域に適応し、暗黙的場として既存の幾何学をフィッティングして一貫性を維持します。この二重の役割により、NDFは単一のテスト時最適化で両方の問題を解決します。
実験の結果、NDFは屋内スキャンから衛星画像に至るまで多様なシーンデータにおいて、高忠実かつグローバルに一貫した幾何学を生成しました。ベースラインと比較して、クロスビューの不整合を63.3%削減し、修復精度を23.1%向上させ、3次元シーン幾何学修復において最先端の性能を達成しています。NDFのコードはGitHubで公開されており、コミュニティによる再現や応用が可能です。
この研究は、3次元シーン補完のための効率的かつ信頼性の高いソリューションを提供します。特に、段階的処理を避け、一貫性と予測を統一的に扱うフレームワークは、拡張現実や自動運転、3次元再構成などの分野に大きな影響を与えると期待されます。