Тест, свързан с ръководство · Среден Ниво

Тест за диференцирано изобразяване

Прегледайте диференцираните градиенти на изобразяване, видимостта и силуетите, мекото растеризиране, обратното изобразяване и вземането на проби от ръбовете.

Свързани ръководни пътекиДиференцируемо изобразяване
Въпрос 1 на 8

Какво ви позволява да изчислявате диференцируемото изобразяване?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какво ви позволява да изчислявате диференцируемото изобразяване?
    • Градиентите на изходните пиксели по отношение на параметрите на сцената като геометрия и материали
    • По-бърз алгоритъм за проследяване на лъчи без градиенти
    • Аудио от 3D сцена
    • Компресирани видео файлове от анимации
  2. Защо силуетите на обекти са основна трудност за диференцируемо изобразяване?
    • Винаги са размазани на реални снимки
    • Те причиняват прекъсвания на видимостта, където пикселите скачат рязко, без да дават полезен наивен градиент
    • Те изискват повече памет от гладките повърхности
    • Те променят файловия формат на изхода
  3. Как мекото растеризиране се справя с проблема с прекъсването?
    • Той премахва всички ръбове от сцената
    • Увеличава разделителната способност, докато ръбовете изчезнат
    • Той позволява на триъгълниците да допринесат за плавен, замъглен отпечатък върху близките пиксели
    • Изобразява само фона
  4. Какво е „обратно рендиране“?
    • Изобразяване на сцена с главата надолу
    • Преобразуване на 2D изображения в аудио
    • Изобразяване само през нощта
    • Възстановяване на параметри на сцена (форма, материали, осветление) от изображения
  5. Коя съвременна техника разчита на диференцирано изобразяване за обучение?
    • 3D Gaussian splatting и NeRFs
    • JPEG компресия
    • MP3 кодиране
    • Пивотни таблици на електронни таблици
  6. Какъв е подходът за "извадка от ръба" (както в redner), предназначен да улови?
    • Средният цвят на цялото изображение
    • Граничният член на интеграла за изобразяване при прекъсвания
    • Скоростта на кадрите на анимация
    • Степента на компресия на текстура
  7. What does the original NeRF network predict from a 3D location and viewing direction?
    • A binary object label and no appearance information
    • A scene’s legal ownership and camera price
    • Volume density and view-dependent emitted radiance
    • A single pixel mask with no view dependence
  8. What scene representation does 3D Gaussian Splatting optimize for real-time radiance-field rendering?
    • A single triangle silhouette for the entire scene
    • A text-only prompt with no geometric representation
    • A depth map with no color or camera information
    • A set of 3D Gaussians with position, covariance, opacity, and appearance parameters