Тест, свързан с ръководство · Среден Ниво

Тест за незабавно NGP хеш кодиране

Тествайте как хеш решетките с много разделителни способности на Instant-NGP, трилинейните функции и малкия MLP ускоряват невронните графики, докато управляват паметта.

Свързани ръководни пътекиНезабавно Ngp хеш кодиране
Въпрос 1 на 8

Кое е основното пречка в класическите NeRF, към които е насочен Instant-NGP?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Кое е основното пречка в класическите NeRF, към които е насочен Instant-NGP?
    • Големият MLP запитва милиони пъти на сцена
    • Мрежова честотна лента за поточно предаване
    • Скоростта на опресняване на дисплея
    • Аудио синхронизация
  2. Къде Instant-NGP съхранява повечето от своите параметри, които могат да се научат?
    • В единична плътна вокселна мрежа
    • В хеш таблица с множество разделителни способности на вектори на характеристики
    • Във вътрешността на камерата
    • Само в много дълбок MLP
  3. Как се комбинират функциите в множеството нива на разделителна способност?
    • Те се осредняват в един скалар
    • Подредени са по азбучен ред
    • Те се търсят нагоре, трилинейно се интерполират, след което се свързват
    • Те се изхвърлят с изключение на най-доброто ниво
  4. Как Instant-NGP обработва хеш сблъсъци в своите таблици с фина разделителна способност?
    • Той забранява изцяло сблъсъци с огромна маса
    • Той се срива, когато възникнат сблъсъци
    • Той хешира само цветове, никога позиции
    • Позволява да се случват сблъсъци и разчита на тренировъчни градиенти за разграничаване
  5. Приблизително колко Instant-NGP ускорява NeRF обучението?
    • От часове до секунди (порядъци)
    • Всъщност е по-бавно
    • Около 5 процента по-бързо
    • Без промяна, само по-добро качество
  6. Отвъд NeRF, какво друго може да представлява хеш-решетката?
    • Само печатен текст
    • Функции за разстояние със знак и гигапикселови изображения
    • Само борсови графики
    • Само звукови вълни
  7. Why does Instant-NGP allow different fine-grid cells to share a hash-table entry?
    • To make every spatial coordinate map to a unique table entry
    • To remove the need for trainable feature vectors
    • To keep the feature tables bounded in memory while representing higher-resolution spatial detail
    • To replace all grid levels with one full-resolution dense array
  8. How do Instant-NGP's resolution levels balance collisions and spatial detail?
    • Every level uses one dense grid with no feature table
    • Coarse levels share all entries while fine levels are guaranteed collision-free
    • Only the highest-resolution level stores learnable features
    • Coarse levels can be collision-free while finer levels share entries to represent more detail within bounded memory