本論文では、Neural Adaptive Tomography (NeAT) を提案します。これは、多視点逆レンダリングのための最初の適応的かつ階層的なニューラルレンダリングパイプラインです。ニューラル特徴量と適応的な明示表現を組み合わせることで、既存のニューラル逆レンダリング手法よりも遥かに優れた再構築時間を実現しています。適応的な明示表現は、空空間のカリングを容易にし、複雑な領域にサンプルを集中的に配置することで効率を向上させます。一方、ニューラル特徴量は3D再構築のニューラル正則化器として機能します。NeATフレームワークは、トモグラフィ設定専用に設計されており、この設定では不透明な物体ではなく半透明な体積シーンのみが対象となります。この設定において、NeATは既存の最適化ベースのトモグラフィソルバーを大幅に上回る品質を達成しつつ、著しく高速であることが示されています。