공간 특징의 분해
3차원 격자와 각 위치의 여러 특징 채널을 하나의 텐서로 나타낼 수 있다. TensoRF는 이를 작은 인자들의 결합으로 표현한다. 신호를 질의할 때에는 인자에서 얻은 정보를 조합해 밀도나 외관에 필요한 값을 계산한다.
저장량의 독립 예제
10×10×10 스칼라 격자는 1,000개 값을 가진다. 랭크 2 CP 형태로 세 축의 길이 10 벡터를 두 묶음 저장하면 2×(10+10+10)=60개다. 실제 장면의 채널과 추가 계수를 제외한 예이며 어떤 격자도 이 크기로 정확히 압축할 수 있다는 뜻은 아니다.
벡터와 행렬의 조합
CP는 벡터 기반 성분을 사용한다. 벡터-행렬 분해는 일부 방향의 결합을 행렬에 담아 더 유연한 표현을 허용한다. 같은 랭크 수치만으로 두 방식의 매개변수 수나 표현력을 직접 같다고 비교할 수는 없다.
랭크와 품질
작은 인자 표현이 충분한지는 장면의 복잡도와 해상도에 영향을 받는다. 랭크를 늘리면 저장량 및 계산과 품질 사이의 균형이 달라진다. 모델 파일 크기뿐 아니라 장면 최적화 시간, 새 시점 품질과 렌더링 속도를 함께 확인한다.