Тест за синтез на нов изглед

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Имайки предвид снимки на сцена, какво се опитва да произведе нов синтез на изглед?
   • За компресиране на изображения в по-малки файлове
   • За превод на надписи на изображения на други езици
   • За откриване на обекти в една снимка
   • За рендиране на сцена от гледни точки на камерата, които не са били първоначално заснети
2. Какво поле на невронно излъчване (NeRF) нанася на 3D позиция и посока на гледане?
   • Текстово описание
   • Цвят (сияние) и обемна плътност
   • Сериен номер на камерата
   • Компресиран аудио сигнал
3. Как NeRF изобразява пиксел за нов изглед?
   • Чрез директно копиране на най-близкото тренировъчно изображение
   • Чрез осредняване на всички пиксели в набора от данни
   • Чрез обемно марширане на лъч: вземане на проби по протежение на лъча и интегриране на цвят и плътност
   • Чрез стартиране на оптично разпознаване на знаци
4. What distinguishes 3D Gaussian Splatting's scene representation from an original NeRF-style per-ray network evaluation?
   • Explicit 3D Gaussian primitives rendered through a differentiable rasterization approach
   • A representation containing no scene parameters or image observations
   • Only a table of audio phonemes
   • A method that copies a single input photo for every viewpoint
5. Защо NVS методите могат да възпроизвеждат отражения и блестящи светлини?
   • Те напълно игнорират осветлението
   • Те моделират зависим от изгледа външен вид, така че цветът може да се променя с посоката на гледане
   • Рендират само в сива скала
   • Използват GPS координати
6. What representation technique is central to Instant-NGP's acceleration of neural graphics tasks?
   • Removing all input observations from training
   • Converting the scene into a spreadsheet of filenames
   • A guarantee of the same training time for every scene
   • A multiresolution hash encoding
7. What supplies the photometric training target in original NeRF scene optimization?
   • Observed pixel colors in the training images, compared with rendered colors
   • A required ground-truth 3D mesh for every scene
   • Only the scene's written caption
   • Only the final image's file size
8. Why did original NeRF use positional encoding on its coordinate inputs?
   • To identify the camera's serial number
   • To supply surveyed coordinates without measurements
   • To help the network represent high-frequency spatial and directional variation
   • To eliminate every need for a radiance-field network