NeRF 기반 분할 방법은 객체 의미론에 집중하고 RGB 데이터에만 의존하여 고유한 재료 특성을 고려하지 못하는 한계를 지닙니다. 본 논문에서는 분광 분해(spectral unmixing)를 NeRF에 통합하여 초분광 신규 뷰 합성과 비지도 재료 분할을 동시에 수행하는 UnMix-NeRF 프레임워크를 제시합니다. 확산 및 반사 구성 요소를 통해 스펙트럼 반사율을 모델링하고, 학습된 전역 엔드멤버 사전(dictionary)은 순수 재료 서명을 나타내고, 점별 풍부도(abundance)는 해당 분포를 포착합니다. 학습된 엔드멤버를 따라 스펙트럼 서명 예측을 사용하여 비지도 재료 클러스터링을 수행합니다. 또한, 학습된 엔드멤버 사전을 수정하여 유연한 재료 기반 외관 조작을 통한 장면 편집을 가능하게 합니다. 광범위한 실험을 통해 기존 방법보다 우수한 스펙트럼 재구성 및 재료 분할 성능을 입증합니다.
