paper1
- 整个文章的贡献在于提出了一个loss func，讲一下loss func，在abstract里面说提出了一个可以计算3d shape梯度的模型，可是loss func计算的是3d shape和2d image的一致性啊，并没有计算3dshape的梯度
- shape representation: probabilistic occupancy model, 分为occupied 和empty, occupied会阻挡ray, empty 可以让ray通过
- sec3.5 辅助预测，Pir是什么意思，用per-pixel observation 来预测per-pixel prediction，第一个scenario里面pir(cr)pir像是一个函数？第二个scenario里面pir像是一个数。这个pir是怎么预测的。另外之前的ray consistency loss，per-ray 也对应是per-pixel(见sec3.1开头：every pixel corresponds to a ray),为什么在这里要强调per-pixel observation
paper2
- emergent canonical frame 自然规范框架？指的是在没有规定pose的情况下shape estimation默认的pose吗？
