공통 공간으로 대응하기
표정이 달라지거나 몸이 조금 움직이면 사진마다 같은 위치가 다른 부분을 가리킬 수 있다. 변형장은 이런 관측 좌표를 공통 표현에 대응시킨다. 모든 순간에 별도의 독립 장면을 만드는 대신 여러 관측이 공유할 구조를 학습하는 방식이다.
큰 구조부터 맞추기
좌표 기반 모델은 복잡한 변형을 곧바로 맞추려 할 때 좋지 않은 해에 머물 수 있다. Nerfies는 거친 구조에서 세부 구조로 넘어가는 점진적 최적화를 사용한다. 처음부터 작은 주름까지 맞추는 것보다 전체 대응을 먼저 정리하려는 구성으로 이해할 수 있다.
변형의 제약
탄성 정규화는 변형장이 불필요하게 공간을 찌그러뜨리는 것을 억제한다. 예를 들어 두 점 사이 거리가 1에서 10으로 벌어지는 변형과 거리를 유지하는 이동은 다르게 다룰 필요가 있다. 이 예는 제약의 역할을 설명하며 실제 정규화 항을 거리 차이 하나로 계산한다는 뜻은 아니다.
복원의 해석
영상에 잘 맞는 변형이 실제 해부학적 움직임이나 물리 운동과 같은 것은 아니다. 새 시점에서 얼굴 윤곽과 배경이 일관적인지, 시간에 따라 형태가 불안정하게 흔들리는지 확인한다. 휴대전화 영상에 적용할 수 있다는 사실도 임의의 촬영 조건에서 같은 품질을 보장하지는 않는다.