ニューラルレディアンスフィールド（NeRF）は、物体や空間の小さな有界領域において、驚くべき視点合成結果を示してきたが、カメラが任意の方向を向くことや、内容が任意の距離に存在しうる「無限大の」シーンでは困難に直面する。このような状況下では、既存のNeRF系モデルは、近接物体と遠方物体の詳細さとスケールの不均衡により、ぼやけたまたは低解像度のレンダリングを生じやすく、学習が遅く、少数の画像から大規模なシーンを再構成するというタスクの本質的な曖昧さに起因してアーティファクトが発生する場合がある。本研究では、サンプリングとアリasing問題に対処するNeRFの変種であるmip-NeRFの拡張を提案する。この拡張は、非線形なシーンパラメータ化、オンライン蒸留（online distillation）、および新しい歪みに基づく正則化項を用いることで、無限大シーンに伴う課題を克服する。我々が「mip-NeRF 360」と呼ぶこのモデルは、ある点の周りをカメラが360度回転するシーンを対象としており、mip-NeRFと比較して平均二乗誤差を57％低減し、極めて複雑な無限大の現実世界シーンに対しても、現実的な合成視点と詳細な深度マップを生成することが可能である。