我们提出了Block NeRF，一种可以代表大规模环境的神经辐射场变体。具体来说，我们演示了在缩放NeRF以渲染跨越多个区块的城市规模场景时，将场景分解为单独训练的NeRF是至关重要的。这种分解将渲染时间与场景大小分离，使渲染能够扩展到任意大的环境，并允许对环境进行逐块更新。我们采用了一些架构更改，使NeRF对在不同环境条件下数月内捕获的数据具有鲁棒性。我们添加了外观嵌入、学习的姿势优化，以及对每个NeRF的可控曝光，并介绍了在相邻NeRF之间对齐外观的程序，以便它们可以无缝结合。我们从280万个图像构建块NEFS网格，以创建迄今为止最大的神经场景表示，能够渲染整个旧金山的邻域。