본 논문은 신경 방사장(NeRFs), 점유 네트워크, 부호화된 거리 함수(SDFs)와 같은 암묵적 함수를 이용한 희소한 관측 데이터로부터의 정밀한 물체 형태 재구성에서의 불확실성 추정 문제를 다룹니다. 희소한 입력 데이터와 데이터 손상으로 인한 분포 변화로 인해 최적의 성능을 달성하기 어려운 점을 해결하기 위해, 본 논문에서는 튜닝된 암묵적 함수에서의 불확실성 추정을 위한 새로운 방법인 Dropsembles를 제안합니다. 합성 해부학 데이터로 컨볼루션 점유 네트워크를 훈련시키고, 저해상도 요추 MRI 분할 데이터에 적용하여 실험을 진행하며, Dropsembles가 딥 앙상블과 동등한 정확도와 보정 수준을 훨씬 적은 계산 비용으로 달성함을 보여줍니다.
