본 논문은 딥 뉴럴 네트워크(DNN)의 기하학적 이해를 탐구하며, 최적화된 형태가 강력한 의미 전달자 역할을 할 수 있음을 보여준다. 이를 위해 임의의 형태를 매개변수화하는 푸리에 급수, 형태를 DNN에 필요한 픽셀 그리드로 변환하는 와인딩 넘버 기반 매핑, 물리적으로 타당한 형태를 보장하는 신호 에너지 제약 조건을 통합하는 종단간 미분 가능한 프레임워크를 제시한다. 이 프레임워크는 고신뢰도 분류, 모델의 중요한 영역 정확히 격리, 다운스트림 시각적 작업을 속이는 새로운 적대적 패러다임을 가능하게 한다.
