paper1
- 整個文章的貢獻在于提出了一個loss func，講一下loss func藤树，在abstract里面說提出了一個可以計算3d shape梯度的模型盹兢，可是loss func計算的是3d shape和2d image的一致性啊，并沒有計算3dshape的梯度
- shape representation: probabilistic occupancy model, 分為occupied 和empty, occupied會阻擋ray, empty 可以讓ray通過
- sec3.5 輔助預測玻募，Pir是什么意思蚓再，用per-pixel observation 來預測per-pixel prediction滑肉，第一個scenario里面pir(cr)pir像是一個函數(shù)？第二個scenario里面pir像是一個數(shù)摘仅。這個pir是怎么預測的靶庙。另外之前的ray consistency loss，per-ray 也對應是per-pixel(見sec3.1開頭：every pixel corresponds to a ray),為什么在這里要強調per-pixel observation
paper2
- emergent canonical frame 自然規(guī)范框架娃属？指的是在沒有規(guī)定pose的情況下shape estimation默認的pose嗎六荒？
