Kvíz spojený s průvodcem · Těžko úroveň

Ovládání kamery v AI Video Generation Quiz

Kontroluje zoom versus dolly, zabudování fotoaparátu Plücker, proč jsou data z fotoaparátu vzácná a jak se měří přesnost trajektorie ve videu AI.

Související vodicí cestyOvládání kamery v AI Video Generation
Otázka 1 z 8

Co vizuálně odlišuje dolly od zoomu?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co vizuálně odlišuje dolly od zoomu?
    • Zoom se vždy pohybuje zleva doprava
    • Dolly pohybuje kamerou a vytváří paralaxu, zatímco zoom mění ohniskovou vzdálenost bez paralaxy
    • Dolly mění pouze ohniskovou vzdálenost
    • Jsou totožné
  2. Co kóduje Plückerovo vnoření pro každý pixel?
    • Jeho barevnou hodnotu
    • Jeho hloubku v metrech
    • Popisek objektu na daném pixelu
    • Pozorovací paprsek z pozice kamery jako (o × d, d)
  3. Proč je obtížné naučit se přesné ovládání kamery z běžných tréninkových videí?
    • Většina videí nemá popisky kamery a titulky málokdy přesně popisují pohyb kamery
    • Videos are always filmed on tripods
    • Pohyb kamery nelze ve videu vidět
    • Tréninková videa nemají žádné snímky
  4. Jaké je omezení datových sad s anotovanými pozicemi, jako je RealEstate10K?
    • Neobsahují žádné pozice kamery
    • Jsou pouze zvukové
    • Jsou úzce zaměřené a většinou zobrazují statické scény
    • Zahrnují pouze animované filmy
  5. Jak lze změřit, zda vygenerované video následovalo požadovanou dráhu kamery?
    • Spočítat počet snímků
    • Spustit metodu structure-from-motion na výstupu a porovnat obnovenou dráhu pomocí chyb rotace a translace
    • Zkontrolovat velikost souboru
    • Požádat model, aby popsal svou kameru
  6. Co znamená nejednoznačnost měřítka (scale ambiguity) pro ovládání kamery?
    • Videa nelze měnit jejich velikost
    • Zooming always fails
    • Pixels have no color scale
    • Monocular video has no absolute scale, so distances like 'two meters' are undefined without normalization
  7. How does CameraCtrl add camera conditioning to a video model?
    • It trains an adapter on pose-annotated clips while the base model stays frozen
    • It retrains the entire model from scratch
    • It edits frames after generation
    • It uses text prompts only
  8. Which prompting practice gives more reliable camera moves in prompt-based tools?
    • Request several moves at once
    • Describe only the subject
    • Ask for one move per shot, state its speed, and keep subject motion simple
    • Avoid all camera words