假装有个封⾯图
decoderSDF函数
各个⽅法对于SDF函数的存储往往是离散的，⽐如将三维空间是做⼀系列的“体素”（类⽐⼆维空间的“像素”），每个体素中存储⼀个SDF值，之后尝试⽤体素中等于或接近零的部分重建⼀个三维表⾯。
⽽DeepSDF论⽂呢，则尝试将SDF解析为⼀个连续的函数。虽然⽂章把这⼀点作为⼀个创新提出（包括将模型表⾯视作SDF回归的决策边界），其实我觉得这个很早应该就有⼈想到了，因为根本上来讲，SDF本来就应该是⼀个连续函数才对，只是受制于各种原因，我们⽆法为每个三维物体写出这个连续函数的完整形式。这也就是DeepSDF的思路，⽤神经⽹络这个“万能插值机”去近似这⼀函数。
AutoEncoder结构
Auto Decoder
这张图⾥，我们加⼊了⼀个额外的输⼊，称为第0层，⽽ Code 层则是⼀个纯 Linear 层，那么第 0 层对 Code 层的权重我们要的 Latent Vector。