ALとNeRFを組み合わせることで，入力画像を自動選択することに挑戦した初めての研究．既存の訓練セットで学習したNeRFに対し，追加候補となる画像の光線による影響を推定することで，追加するべき画像を選択可能．時間や計算資源を無視する場合，新しい画像が追加されるたびにモデルをチューニングする継続学習を行うことが可能

視点画像を20枚選択した場合，10枚選択した場合のそれぞれについて，通常のNeRFと比較した結果，継続学習するActiveNeRFは他と同等の時間でより高精度だった．また，ベイズ推定を用いた場合のActiveNeRFは他の1/4程度の時間で学習できるが，精度は大きく変わらなかった．ただし，すべての視点を用いて同じ時間だけ通常のNeRFを学習させると，ActiveNeRFの精度を上回っている．

少量データで3D表現を生成可能なNeRFや，DietNeRFといった手法が登場しているので，これらとの比較が欲しかった．また，これらと組み合わせた場合の考察が欲しかった． 一貫して何をコンセプトとした上でALをNeRFと組み合わせたかが不鮮明だった．誰でもNeRF用のデータセットを作れるようにすることをコンセプトとしたALであれば役に立つ場面があるのではないかと考える．