핵심 정리
- NeRF는 여러 각도에서 찍은 사진을 모아, 장면을 물으면 답하는 계산 규칙 하나로 바꿔 놓는 방법이에요.
- 물어보는 것은 공간의 어느 자리인지와 어느 방향에서 보는지, 돌아오는 답은 그 자리의 색과 진하기예요.
- 그림 한 장을 만들 때는 화면의 점마다 시선을 뻗어 그 선 위에서 수백 번 물어보고, 답을 앞에서부터 쌓아 색을 정해요.
- 방향까지 함께 묻기 때문에 유리나 금속의 반사처럼 각도에 따라 달라지는 빛도 살아나요.
- 사진 여러 장으로 3D 장면을 만든다는 점은 가우시안 스플래팅과 같지만, 결과를 조각 뭉치가 아니라 규칙으로 들고 있다는 점이 달라요.
비유로 이해하기
밤바다에서 등대를 보면 방향마다 밝기가 달라요. 정면에서는 눈이 부시고 비스듬히 서면 흐릿하죠. 등대가 선 자리 하나와 바라보는 방향 하나가 정해지면, 눈에 들어오는 빛도 하나로 정해져요.
NeRF는 장면을 사진이나 모형으로 들고 있지 않아요. 공간의 어느 자리에나 아주 작은 등대가 하나씩 서 있다고 보고, 이 자리에서 저쪽 방향으로는 무슨 빛이 얼마나 나오느냐는 물음에 답해 주는 안내소 하나만 들고 있어요.
장면을 보려면 화면의 점마다 눈에서 시선을 쭉 뻗어요. 그 선이 지나는 자리마다 안내소에 물어보고, 돌아온 답을 앞에서부터 차곡차곡 쌓아 그 점의 색을 정해요. 완성된 그림이 어딘가 놓여 있는 게 아니라 볼 때마다 새로 그려지는 거예요.
자세히 알아보기
사진 수십 장으로 안내소를 길들여요
같은 대상을 여러 각도에서 찍은 사진 수십 장이 재료예요. 사진마다 어디에서 찍혔는지 카메라 자리를 먼저 알아내고, 그 자리에서 화면의 점 하나하나로 시선을 뻗어요.
처음에는 안내소가 아무 말이나 해요. 시선을 따라 모은 답으로 그림을 만들면 원래 사진과 딴판이에요. 그 차이만큼 안내소가 답하는 버릇을 조금씩 고쳐요.
이 일을 수십만 번 되풀이하면 안내소는 사진에 찍힌 자리와 방향에 대해 사진과 거의 같은 답을 하게 돼요. 그러고 나면 사진을 찍지 않은 자리에서 물어봐도 그럴듯한 답이 나와요. 사진과 사진 사이의 빈 각도를 메우는 셈이에요.
안내소는 색과 진하기를 답해요
물어볼 때 넘기는 것은 두 가지예요. 공간의 어느 자리인지, 그리고 어느 방향에서 보고 있는지예요. 돌아오는 답도 두 가지예요. 그 자리에서 나오는 빛의 색, 그리고 그 자리가 얼마나 꽉 차 있는지예요.
진하기는 안개와 비슷해요. 값이 거의 0이면 텅 빈 공기라 시선이 그냥 지나가고, 값이 크면 단단한 표면이라 시선이 거기서 막혀요. 표면이 어디인지 따로 알려 주지 않아도, 진하기가 갑자기 커지는 자리가 곧 표면이 돼요.
시선 위의 답을 쌓아 한 점을 칠해요
화면의 점 하나를 칠하려면 그 점에서 장면 속으로 시선을 쭉 뻗어요. 그 선 위에 자리를 수십에서 수백 개 잡고, 자리마다 안내소에 물어봐요.
돌아온 답은 앞에서부터 쌓아요. 앞쪽에서 이미 진한 답이 나왔으면 뒤쪽 색은 가려져 거의 묻히고, 앞이 비어 있으면 뒤쪽 색이 그대로 올라와요. 이렇게 모은 색이 그 점의 최종 색이 돼요.
그림 한 장을 만들려면 화면의 모든 점에 대해 이 일을 해야 해요. 점 하나에 물음이 수백 번이니 전체 횟수는 어마어마해요. NeRF가 느리다는 말이 나오는 이유가 여기 있어요.
방향에 따라 답이 달라져요
같은 자리라도 어느 쪽에서 보느냐에 따라 색이 달라질 수 있어요. 유리컵의 반사, 금속의 번쩍임, 젖은 바닥에 비친 빛이 그래요. 물어볼 때 방향을 함께 넘기는 이유예요.
방향을 빼고 자리만 물으면 반짝이던 표면이 밋밋한 페인트칠처럼 나와요. 방향까지 넣으면 고개를 돌릴 때 반사가 따라 움직이는 느낌이 살아나요. 대신 사진이 부족한 각도에서는 이 자유로움이 거꾸로 작용해서, 허공에 뿌연 안개 같은 얼룩이 생기기도 해요.
가우시안 스플래팅과 갈라지는 지점
가우시안 스플래팅도 사진 여러 장에서 같은 일을 해요. 갈라지는 곳은 결과를 무엇으로 들고 있느냐예요. 스플래팅은 공간에 뿌려 둔 조각 뭉치라는 눈에 보이는 물건을, NeRF는 물으면 답하는 계산 규칙을 들고 있어요.
그러니 스플래팅은 조각을 화면에 눌러 찍기만 하면 되어 빠르고, NeRF는 시선마다 수백 번 물어봐야 해서 느려요. 대신 NeRF는 장면을 작은 규칙 하나로 담아 저장 공간을 적게 쓰고, 표면이나 반사가 매끄럽게 이어지도록 담는 데 유리해요.
조금 더 정확하게
NeRF는 Neural Radiance Field(신경 방사 휘도장)의 줄임말이에요. 안내소 노릇을 하는 것은 크지 않은 신경망 하나예요. 자리와 방향을 넣으면 색과 밀도를 돌려주도록 학습되고, 장면 하나마다 따로 학습해요. 밀도는 자리만 보고 정하고 방향은 색에만 영향을 줘요. 그래야 어느 쪽에서 봐도 물체의 모양이 같게 유지돼요. 시선 위의 값을 앞에서부터 섞어 한 점의 색을 정하는 계산은 볼륨 렌더링이라고 불러요.
비유가 어긋나는 곳도 있어요. 등대는 스스로 빛을 내는데, 안내소가 답하는 색도 계산에서는 그 자리가 내보내는 빛처럼 다뤄요. 하지만 실제로는 찍을 때의 조명이 그 자리에 반사된 결과가 그대로 굳어 들어간 값이에요. 그래서 조명을 갈아 끼우고 다시 그리는 일은 기본 형태로는 하지 못해요. 등대는 항구에 몇 개뿐이지만 여기서 답을 얻는 자리는 공간 어디에나 있고 개수가 정해져 있지 않아요. 그리고 안내소는 학습에 쓴 사진이 담은 각도 언저리에서만 믿을 만해요.
직접 해보기
흔한 오해
3D 모형 파일을 만들어 준다고 생각하기 쉽지만, 실제로는 물으면 답하는 계산 규칙이 나올 뿐이라 그대로 게임이나 3D 프로그램에 옮겨 쓰기는 어려워요.
사진 몇 장이면 된다고 생각하기 쉽지만, 실제로는 기본 NeRF는 대상 주위를 골고루 돈 사진이 수십 장 필요하고 빠진 각도는 뭉개져요. 사진이 적을 때를 위해 미리 배운 지식을 보태는 변형도 있지만, 그만큼 빈 곳을 추측으로 채워요.
가우시안 스플래팅이 나와서 쓸모가 없어졌다고 생각하기 쉽지만, 실제로는 저장 공간이 작고 매끄러운 표현이 필요한 곳에서 여전히 쓰이고, 두 방법을 섞어 쓰는 연구도 활발해요.
한 줄 요약
NeRF는 장면을 그림이 아니라 이 자리 이 방향에서 무슨 빛이 얼마나 보이는지 답하는 규칙으로 담아 두고, 볼 때마다 그 답을 쌓아 새로 그려요.
잘못된 내용이나 더 좋은 비유가 있나요? 수정 제안 보내기 · 마지막 수정 2026-10-17