متعدد عرض مسابقة ستيريو

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما الذي يفترض عادةً أن نظام Multi-View Stereo معروف بالفعل قبل أن يبدأ؟
   • الكاميرا تطرح لكل صورة
   • الشبكة ثلاثية الأبعاد النهائية
   • ألوان كل سطح
   • أسماء الأشياء الموجودة في المشهد
2. ما المبدأ الأساسي الذي تستخدمه MVS للعثور على النقاط ثلاثية الأبعاد الصحيحة؟
   • تعظيم سطوع الصورة
   • تناسق الصور عبر طرق عرض متعددة
   • تقليل حجم الملف
   • أخذ عينات عشوائية من بكسل
3. كيف تختلف MVS عن مخرجات الهيكل من الحركة؟
   • يعمل MVS فقط على صورة واحدة
   • يتجاهل MVS مواضع الكاميرا تمامًا
   • تنتج MVS عمقًا كثيفًا لكل بكسل، بينما توفر SfM سحابة نقطية متفرقة
   • يقوم MVS بإخراج الصوت بدلاً من الشكل الهندسي
4. ماذا يفعل ستيريو الاجتياح الطائرة؟
   • يقوم بتدوير الكاميرا جسديًا
   • يزيل الغبار عن العدسة
   • فرز الصور أبجديا
   • يمسح مستوى افتراضيًا من خلال العمق ويجد المكان الذي تتفق فيه وجهات النظر بشكل أفضل
5. ما هي الأسطح التي تمثل تحديًا خاصًا لـ MVS؟
   • الأسطح غير الملمس والعاكسة
   • أسطح مطلية بألوان زاهية
   • الأسطح الحجرية الخشنة
   • أي شيء ذو حواف حادة
6. كيف تعمل الأساليب القائمة على التعلم مثل MVSNet على تحسين MVS الكلاسيكية؟
   • يزيلون الحاجة إلى أي كاميرات
   • ويتعلمون مطابقة التكاليف وتنظيم العمق من البداية إلى النهاية للحصول على مزيد من المتانة
   • إنهم يعملون فقط في التدرج الرمادي
   • إنهم ينتجون صورًا ثنائية الأبعاد بدلاً من ثلاثية الأبعاد
7. How may an MVS system compare a hypothesized depth across neighboring views?
   • Compare only the file names
   • Use the language-model perplexity
   • Warp image patches and measure their appearance agreement, for example with normalized cross-correlation
   • Count camera metadata fields
8. After per-image depth maps are estimated, what can MVS do with them?
   • Convert them into language tokens
   • Replace the camera poses with labels
   • Discard all cross-view information
   • Fuse them into a denser point cloud or mesh and filter inconsistencies