NeROIC ist eine neue Methode zur Erfassung von Objektrepräsentationen aus Online-Bildersammlungen. Sie ermöglicht die Erfassung von hochqualitativer Geometrie und Materialeigenschaften beliebiger Objekte aus Fotos mit unterschiedlichen Kameraperspektiven, Beleuchtungsbedingungen und Hintergründen. Sie eignet sich für objektzentrierte Rendering-Anwendungen wie die Neusynthese von Perspektiven, die Neulichtsetzung und die harmonische Hintergrundsynthese. Durch die Erweiterung einer mehrstufigen Methode des neuronalen Strahlverfolgung (Neuronal Radiance Fields) schätzen wir zunächst die Oberflächengeometrie und verfeinern die anfänglichen, grob geschätzten Kameraparameter. Gleichzeitig nutzen wir eine grobe Vordergrund-Maske, um die Trainingseffizienz und die geometrische Qualität zu verbessern. Wir führen außerdem eine robuste Normalen-Schätzung ein, die die Auswirkungen von geometrischem Rauschen eliminiert und gleichzeitig wichtige Details erhält. Schließlich extrahieren wir die Materialeigenschaften der Oberfläche und die Umgebungsbeleuchtung, die mit sphärischen Harmonischen dargestellt werden, und berücksichtigen flüchtige Elemente wie scharfe Schatten. Die Kombination dieser Komponenten führt zu einem hochgradig modularen und effizienten Framework zur Objekterfassung. Umfangreiche Evaluierungen und Vergleiche belegen die Vorteile unseres Verfahrens bei der Erfassung von hochqualitativer Geometrie und optischen Eigenschaften für Rendering-Anwendungen.