시점 의존적 외관 모델링(View-dependent appearance modeling)은 새로운 시점 합성(Novel-view synthesis) 및 재구성(Reconstruction) 분야에서 여전히 도전적인 과제로 남아 있습니다. 복잡한 각도 효과(Angular effects)를 정확하게 표현하려면 종종 상당한 메모리와 계산 자원이 필요합니다. 새로운 학습 기반 방법론들의 경우, 일반적으로 구면 조화 함수(SH, Spherical Harmonics)에 의존하는 것이 일반적인 접근 방식입니다. 그러나 정반사(Specular reflections)와 같은 고주파 현상(High-frequency phenomena)을 포착하려면 고차 전개(High-order expansions)가 필요하며, 이는 메모리 사용량과 계산 비용을 증가시킵니다. 결과적으로 대부분의 방법론은 저차 SH를 채택하고 있으며, 이는 복잡한 시점 의존적 효과를 모델링하는 능력을 제한하여 지나치게 매끄럽거나 확산된(Diffuse) 표현을 초래합니다. 이러한 한계를 해결하기 위해, 본 논문에서는 장면 재구성(Scene reconstruction) 맥락에서 광범위한 구면 함수(Spherical functions)를 체계적으로 평가합니다. 이 중 일부는 본 논문을 통해 그래픽스(Graphics) 및 컴퓨터 비전(Computer vision) 분야에 처음으로 소개됩니다. 실험을 통해 얻은 통찰을 바탕으로, 우리는 압축된 표현(Compact representation)을 유지하면서도 고주파 외관 효과를 효율적으로 모델링하고 학습할 수 있는 새로운 구면 공식인 정규화된 비등방성 구면 가보 함수(Normalized Anisotropic Spherical Gabor function)를 개발했습니다. 기존 방식과 비교했을 때, 우리의 함수는 반짝임(Glints)과 같은 시점 의존적 현상을 더 높은 품질로 재구성하는 동시에, 메모리 효율성은 최대 5배 더 높고 평가(Evaluation) 효율성 또한 더 뛰어납니다. 우리는 복사장(Radiance-field) 재구성 작업에서 그 성능을 검증합니다.