좌표에서 특징 찾기
여러 해상도의 격자에서 좌표에 대응하는 학습 특징을 얻고 작은 신경망에 전달한다. 좌표를 모든 층의 큰 계산으로 처리하는 대신 공간별 정보를 테이블에도 저장한다. 해시 함수가 의미 있는 신호를 스스로 만들어 주는 것은 아니며 특징값을 학습해야 한다.
테이블 예산의 독립 예제
두 해상도에 각각 128개 항목을 두고 항목당 특징 두 개를 저장하면 값은 512개다. 같은 공간의 격자점이 그보다 많으면 여러 위치가 같은 항목을 참조할 수 있다. 실제 구성의 권장 크기가 아니라 제한된 테이블과 충돌의 관계를 설명한 예다.
해상도와 충돌
한 해상도에서 충돌한 위치도 다른 해상도의 특징과 결합하면 구분할 여지가 생긴다. 그렇다고 모든 충돌이 항상 완벽히 해결된다는 보장은 아니다. 테이블 크기와 특징 차원, 공간 해상도 및 신호 복잡도에 따라 품질이 달라진다.
전체 속도의 구성
입력 부호화뿐 아니라 GPU에서의 연산 결합과 메모리 접근 최적화도 실행 효율에 중요하다. 다른 장치나 구현에서 발표된 속도가 그대로 나오는 것은 아니다. 학습 시간과 렌더링 품질, 테이블을 포함한 저장량을 함께 비교한다.