Kết xuất thần kinh là phương pháp kết xuất sử dụng mô hình học sâu để tìm hiểu hình dạng 3D, phản xạ ánh sáng và kết cấu nhằm tạo ra hình ảnh và video chân thực.
Kết xuất thần kinh là thuật ngữ chung để chỉ các phương pháp kết xuất sử dụng mạng thần kinh để tìm hiểu hình dạng 3D, phản xạ ánh sáng và kết cấu nhằm tạo ra hình ảnh và video chân thực. Không giống như kết xuất dựa trên đa giác truyền thống, các phương pháp như NeRF và Gaussian splatting là những ví dụ nổi tiếng và được khen ngợi về khả năng tái tạo cảnh 3D từ một số lượng nhỏ ảnh hoặc video. Trong hoạt động thực tế tính đến năm 2026, chi phí GPU cần thiết cho việc học và suy luận vẫn sẽ cao và trong các tình huống cần có hiệu suất thời gian thực, thường sẽ phải giảm trọng lượng của mô hình hoặc sử dụng kết hợp với xử lý nướng. Hơn nữa, vì chất lượng của dữ liệu đào tạo bị ảnh hưởng rất nhiều bởi các điều kiện chụp (ánh sáng, góc máy), nên không thể bỏ qua nỗ lực thu thập tài liệu như một chi phí. Khi lựa chọn các công cụ tại hiện trường, sự kết hợp với các nền tảng tạo 3D/hình ảnh như ComfyUI và Rodin được sử dụng rộng rãi cho video và trò chơi và cần sử dụng chúng một cách phù hợp tùy theo ứng dụng (hình ảnh tĩnh/video/vẽ thời gian thực).