본 논문은 Neural Implicit Reconstruction을 통해 3D 표면을 복원하는 과정에서, 정밀한 기하학적 정보와 다양한 특징을 가진 영역 간의 부드러움을 동시에 유지하는 어려움을 해결하기 위해 Normal Deflection field (ND-SDF)를 제안합니다. ND-SDF는 장면의 법선과 사전에 정의된 법선 사이의 각도 편차를 나타내는 필드를 학습하여, 기존 방법처럼 모든 샘플에 일괄적으로 기하학적 사전 정보를 적용하는 대신, 샘플의 특징에 따라 동적으로 사전 정보의 활용도를 조절합니다. 이를 통해 정확도와 효율성을 모두 향상시켜 벽이나 바닥과 같은 부드러운 약하게 텍스처된 영역과 복잡한 구조의 기하학적 디테일을 모두 보존합니다. 또한, 편향 각도에 기반한 새로운 광선 샘플링 전략을 도입하여 특히 얇은 구조에서 복잡한 표면의 품질과 정확도를 크게 향상시킵니다. 다양한 어려운 데이터셋에서 일관된 성능 향상을 통해 제안 방법의 우수성을 보여줍니다.
