機械知覚において、センサー観測から潜在的な物理特性を推定することは根本的な課題です。利用可能なセンシング方式の中でも、熱画像は特に有望です。なぜなら温度の時間的変化は熱移動物理学によって直接支配されており、シーンの潜在的な熱物性特性に関する情報を含んでいるからです。熱観測から空間的に分解された熱物性特性を回復できれば、デジタルツイン、インフラ監視、ロボティクス、科学画像処理など、様々な応用を変革できる可能性があります。 しかし、既存の熱シーン再構成手法は複雑な3D環境で温度場を回復できる一方で、熱進化を支配する熱物性特性を特定できません。また、逆問題手法は物理的に解釈可能なパラメータ推定を提供しますが、一般的に単純化された幾何学形状と制御された実験条件に依存しています。 本研究で提案するThermoFieldは、微分可能な熱移動シミュレーションを通じて、熱シーン再構成と熱物性パラメータ推定を統合するフレームワークです。このフレームワークは、これらの量を空間的に変化するニューラルフィールドとして表現し、シーン幾何学、支配的な熱移動物理、および時間的熱観測によって制約付けます。ThermoFieldは幾何学的構造の同時再構成、空間的に変化する熱拡散率の推定、および未知の環境条件下での熱進化の予測が可能であることを実証しています。 ニューラルシーン表現と微分可能な熱移動ソルバーを統合することで、複雑な3Dシーンにおいて物理的に解釈可能なパラメータ推定が実現されます。本研究は熱シーン再構成と逆熱移動解析の橋渡しを確立し、熱観測からの幾何学的再構成、熱物性パラメータ推定、および予測的熱シミュレーションのための統一的アプローチを提供しています。