入力画像に対し、FPNの特徴抽出を活用して3次元空間の深度マップと特徴マップを推定し、MLPにアテンション機構とオートエンコーダを組み込んで色の推定を行うGeoNeRFを提案した。少し修正を加えることでRGB-Dにも対応できる。

DTU MVSとNeRF Realistic SyntheticとReal Forward-facingのデータセットで評価を行い、シーンごとの最適化を行わない従来手法を上回る結果。また、DTUデータセットでRGB-Dの深度データを活用すると、生成品質が向上する結果。

CNNやTransformerのネットワーク構造を活用し、高い生成品質を示したため通ったと考えられる。プロジェクトページ( https://www.idiap.ch/paper/geonerf/ )が公開されている。