私たちはTensoRFという新しい手法を提案します。これは放射輝度場のモデル化と再構築を行うための方法です。NeRFが純粋にMLP（多層パーセプトロン）を使用するのとは異なり、シーンの放射輝度場を4次元テンソルとしてモデル化します。この4次元テンソルは、各ボクセルごとの多チャンネル特徴を持つ3次元ボクセルグリッドを表現します。私たちの中心的なアイデアは、4次元シーンテンソルを複数のコンパクトな低階数テンソル成分に分解することです。我々のフレームワークにおいて、伝統的なCP分解（テンソルをランク1成分とコンパクトなベクトルに分解する方法）を適用することで、vanilla NeRFよりも改善が見られることを示しています。さらに性能向上のために、2つのモードに対する低階数制約を緩和し、テンソルをコンパクトなベクトルと行列因子に分解する新しいベクトル-行列（VM）分解を導入しました。当手法により、CPおよびVM分解を使用したモデルは、直接ボクセルごとの特徴量を最適化する既存および同時期の研究よりも大幅に低いメモリ消費量で優れたレンダリング品質を得ることができます。実験結果から、TensoRFにCP分解を適用すると、高速な再構築（30分未満）とより良いレンダリング品質だけでなく、さらに小さなモデルサイズ（4MB未満）も達成できることを示しています。また、VM分解を使用したTensoRFはレンダリング品質を更に向上させ、以前の最先端手法を超える一方で、再構築時間を短縮（10分未満）しつつもコンパクトなモデルサイズ（75MB未満）を維持することが可能です。