깊이 지도를 거치지 않는 구성
각 영상의 깊이를 따로 추정한 뒤 합치는 대신 장면의 공간 표현을 직접 학습한다. 2차원 합성곱으로 얻은 특징을 카메라 내부 및 외부 매개변수에 따라 복셀에 역투영하고 누적한다. 영상 입력만 쓴다는 사실을 카메라 정보도 필요 없다는 의미로 해석하면 안 된다.
절단 거리의 예
거리 함수의 값을 −0.2와 0.2 사이로 제한한다고 하자. 원래 값이 −0.7, 0.1, 0.8이면 제한 후에는 −0.2, 0.1, 0.2가 된다. 표면 가까운 부호와 거리 정보를 표현하면서 먼 값의 범위를 제한하는 예이며 실제 모델의 단위와 절단 폭을 가정한 수치는 아니다.
공간 특징에서 형상으로
누적된 특징을 3차원 합성곱으로 정제하고 거리 함수 값을 예측한다. 표면은 거리 함수의 영점과 연결된다. 형상 표현과 함께 의미 분할을 다루는 구성도 제시되지만 물체 범주를 맞추는 것과 정확한 표면 위치를 복원하는 것은 다른 평가 대상이다.
해상도와 관측 범위
복셀 해상도가 결과의 세부와 저장량에 영향을 준다. 카메라 자세 오차와 가림, 입력 시점의 부족도 확인해야 한다. 보이지 않던 영역에서 자연스러운 면이 만들어져도 실제로 관측한 형상과 구분하고 복원 정확도와 빠진 영역을 함께 평가한다.