고주파 방사 휘도 분포 (high-frequency outgoing radiance distributions)를 모델링하는 것은 전역 조명 (global illumination), 특히 광택 (glossy) 및 경면 (specular) 재질에 있어 여전히 근본적인 과제로 남아 있습니다. 기존의 신경망 기반 복사 캐싱 (radiance caching) 방식은 일반적으로 위치 특징 인코딩 (positional feature encodings) 또는 공간적으로 조직된 캐시 (spatially organized caches)에 의존하며, 이는 모델 복잡도나 샘플링 비용을 증가시키지 않고 날카로운 방향성 휘도 변화를 표현하는 것을 어렵게 만듭니다. 이러한 문제를 해결하기 위해, 우리는 전역 조명을 위한 효율적인 공간-각도 복사 표현 방식인 OctaOctree를 제안합니다. OctaOctree는 3D 공간에서 적응형 옥트리 (adaptive octree)를 통해 방사 휘도를 조직하며, 각 공간 노드에 팔면체 방향 맵 (octahedral directional map)을 결합합니다. 공간 계층 구조를 방향 의존적 저장 방식과 결합함으로써, 우리의 표현 방식은 국부 조명 및 가시성 변화에는 미세한 공간 해상도를 할당하는 동시에, 광택 및 경면 복사 분포를 포착하기 위해 더 풍부한 각도 해상도를 가진 더 거친 공간 레벨을 사용합니다. 이러한 설계는 반사율 인식 공간-각도 사전 정보 (reflectance-aware spatial-angular prior)를 복사 표현에 직접 내장하여, 위치 특징만으로 고주파 시점 의존 효과 (view-dependent effects)를 복구해야 하는 신경망 또는 재구성 모듈의 부담을 줄여줍니다. 결과적으로 OctaOctree는 확산 상호 반사 (diffuse interreflection)부터 날카로운 광택 반사 (sharp glossy reflections)에 이르기까지 광범위한 간접 조명 효과에 대해 압축적이고 표현력이 풍부한 신경 인코딩을 제공합니다. 실험을 통해 우리의 방법이 1차 교차점 (primary intersections)에서의 단일 네트워크 쿼리만으로 고품질의 방향 인식 전역 조명을 생성하며, 기존의 신경 복사법 (neural radiosity) 및 복사 캐싱 (radiance caching) 방식과 비교하여 향상된 충실도와 실시간 성능을 달성함을 입증하였습니다.