거리와 부호
부호 거리 함수의 절댓값은 표면까지의 거리이고 부호는 안과 밖을 구분한다. 내부를 음수로 정하는 규약에서는 표면의 값이 0이다. 신경망이 이 함수를 근사하지만 모든 좌표에서 정확한 거리 성질을 자동으로 만족하는 것은 아니다.
평면의 거리 예
평면 x=3을 경계로 x가 작은 쪽을 내부라고 정하면 f(x,y,z)=x−3은 부호 거리 함수다. 점 (1,0,0)의 값은 −2이고 (5,0,0)의 값은 2다. 무한 평면의 독립 예이며 실제 물체를 나타내는 학습 결과를 뜻하지 않는다.
여러 형상과 잠재 코드
공간 좌표에 더해 형상을 구분하는 코드를 입력하면 공유된 함수가 서로 다른 물체를 표현할 수 있다. 코드 사이를 보간해 중간 형상을 얻는 것도 가능하다. 보간이 자연스러워 보여도 실제로 존재하는 물체나 물리적으로 가능한 구조라는 보장은 없다.
표면 추출과 보완
연속 함수는 좌표를 원하는 위치에서 조회할 수 있지만 화면이나 메시로 보려면 표면 추출 과정이 필요하다. 입력에 없는 부분의 보완은 학습한 형상 지식에 따른 추정이다. 관측 부분의 오차와 보완 부분의 모양, 얇은 구조와 연결 상태를 함께 살펴본다.
관련 문서
점유 네트워크 / VolSDF / NeuS / SIREN / Atlas 장면 복원 / NeuralRecon