본 논문은 Neural Radiance Fields (NeRF) 와 3D Gaussian Splatting (3DGS) 와 같은 신경망 기반 3D 표현 기술의 한계를 극복하기 위해, 물체의 충돌 과정에서 나타나는 외형 변화를 이용하여 물체의 내부 구조까지 추정하는 새로운 과제인 Structure from Collision (SfC)을 제시합니다. 이를 위해, 물리적 제약, 외형 보존 제약, 키프레임 제약 하에 비디오 시퀀스를 통해 물체의 보이지 않는 내부 구조를 최적화하는 새로운 모델인 SfC-NeRF를 제안합니다. 특히, 역문제의 특성으로 인한 불리한 지역 최적점에 빠지는 것을 방지하기 위해, 부피 어닐링(volume annealing) 기법을 제안하여 부피를 반복적으로 줄이고 늘리면서 전역 최적점을 찾습니다. 다양한 구조(다양한 공동 모양, 위치, 크기)와 물질적 특성을 가진 115개의 물체에 대한 광범위한 실험을 통해 SfC의 특성을 밝히고 SfC-NeRF의 효과를 입증합니다.
