연구진은 암시적 신경 표현(INR)이 구조 및 비정형 볼륨 데이터를 효과적으로 압축하여 메모리 공간을 줄이고 데이터 직접 쿼리가 가능함을 확인했어요.
기존 INR은 기하학적 정보를 인코딩하지 않아 샘플링 시 부분 메시지 저장 필요하지만, 본 연구에서는 3D 가우시안 기반 명시적 모델을 통해 볼륨 데이터 압축을 구현했어요.
새로운 샘플링 전략을 통해 공간 위치에서 스칼라 값을 재구성하며, 구조 볼륨에서는 빠른 학습 속도를, 비정형 볼륨에서는 압축 효율성을 높였어요.