NeROIC是一種從在線圖像集合中獲取物體表示的新方法，可以捕捉具有不同相機、光照和背景的照片中任意物體的高質量幾何和材質屬性。它可以用於新視角合成、重新照明和和諧背景合成等物體中心渲染應用。通過擴展神經輻射場的多階段方法，我們首先推斷表面幾何並改進粗略估計的初始相機參數，同時利用粗略的前景物體掩碼來提高訓練效率和幾何質量。我們還引入了一種穩健的法線估計技術，可以消除幾何噪聲的影響，同時保留關鍵細節。最後，我們提取表面材質屬性和環境光照，用球諧函數表示，並處理瞬態元素，如銳利陰影。這些組件的結合形成了一個高度模塊化和高效的物體獲取框架。廣泛的評估和比較證明了我們的方法在捕捉用於渲染應用的高質量幾何和外觀屬性方面的優勢。