우리는 새로운 방법인 TensoRF를 제시하여 광도장(radiance fields)을 모델링하고 재구성합니다. 전통적인 NeRF가 순수하게 다층 퍼셉트론(MLPs)만 사용하는 것과 달리, 우리는 장면의 광도장을 4차원 텐서로 모델링합니다. 이 4D 텐서는 각 복셀(voxel)마다 다중 채널 특성을 가진 3D 복셀 격자(grid)를 나타냅니다. 우리의 핵심 아이디어는 4D 장면 텐서를 여러 개의 컴팩트한 저순위(low-rank) 텐서 구성요소로 분해하는 것입니다. 실험을 통해 기존 CP 분해(CP decomposition) -- 텐서를 컴팩트한 벡터로 구성된 순위-1(rank-one) 구성요소로 분해하는 방법 -- 를 우리의 프레임워크에 적용하면 단순 NeRF보다 개선된 결과를 얻을 수 있음을 보여주었습니다. 성능을 더욱 향상시키기 위해, 우리는 두 가지 모드(mode)에서 저순위 제약 조건을 완화하고, 텐서를 컴팩트한 벡터와 행렬 요소로 분해하는 새로운 벡터-행렬(Vector-Matrix, VM) 분해법을 소개합니다.우리의 CP 및 VM 분해 모델은 기존 연구들과 동시 진행된 연구들보다 상당히 낮은 메모리 용량을 요구하며, 이들은 복셀별 특성을 직접 최적화하는 방식을 사용합니다. 실험적으로, CP 분해를 사용한 TensoRF가 NeRF보다 빠른 재구성 시간(30분 미만)과 더 우수한 렌더링 품질 및 더 작은 모델 크기(4MB 미만)를 제공함을 입증했습니다. 또한, VM 분해를 사용한 TensoRF는 렌더링 품질을 더욱 개선하여 기존 최신 방법들을 능가하며, 재구성 시간(10분 미만)을 줄이고 동시에 컴팩트한 모델 크기(75MB 미만)를 유지함을 보여주었습니다.