주파수 범위의 역할
세밀한 좌표 표현은 복잡한 장면을 담는 데 도움이 되지만 관측이 적을 때에는 잘못된 세부 구조에 맞춰질 수도 있다. FreeNeRF는 학습에서 사용할 입력 주파수의 범위를 조절한다. 고주파 표현이 항상 해롭다는 뜻이 아니라 자료가 적은 상황에서의 학습 순서를 다룬다.
표본의 모호함 예
정수 위치에서 sin(2πx)는 모두 0이다. 같은 위치에서 영함수도 0이므로 이 표본만 보면 두 함수를 구별할 수 없다. 정수 사이의 값은 서로 다르다. 제한된 관측에 잘 맞는 세부 변화가 유일한 해가 아니라는 독립적인 예다.
카메라 가까운 밀도
입력 영상을 설명하기 위해 카메라 바로 앞에 잘못된 밀도가 생기면 다른 시점에서 부유 구조로 보일 수 있다. FreeNeRF는 근거리 밀도에 벌점을 주는 구성을 함께 사용한다. 실제로 가까운 물체가 있는 장면에서는 거리 범위와 장면 조건을 구분해 해석해야 한다.
정규화와 관측의 차이
정규화는 가능한 해를 제약하지만 새로 촬영한 정보를 추가하는 것은 아니다. 입력 사진과 다른 방향에서 떠 있는 구조가 줄었는지, 세부가 불필요하게 사라지지는 않았는지 살펴본다. 특정 자료에서의 개선을 모든 촬영 방식이나 장면에 같은 비율로 적용하지 않는다.