Kvíz spojený s průvodcem · Těžko úroveň

Stereo kvíz s více pohledy

Kontroluje vstupy pozice kamery MVS, fotokonzistenci, odhad hloubky, řídkou versus hustou geometrii a rozdíl v nastavení svazku.

Související vodicí cestyMulti View Stereo
Otázka 1 z 8

Co obvykle předpokládá, že Multi-View Stereo je známo již před spuštěním?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co obvykle předpokládá, že Multi-View Stereo je známo již před spuštěním?
    • Kamera pózuje pro každý snímek
    • Finální 3D síť
    • Barvy každého povrchu
    • Jména objektů ve scéně
  2. Jaký základní princip používá MVS k nalezení správných 3D bodů?
    • Maximalizace jasu obrazu
    • Fotokonzistence napříč více pohledy
    • Minimalizace velikosti souboru
    • Náhodné vzorkování pixelů
  3. Jak se liší MVS od výstupu Structure from Motion?
    • MVS funguje pouze na jednom obrázku
    • MVS zcela ignoruje pozice kamery
    • MVS vytváří hustou hloubku na pixel, zatímco SfM poskytuje řídké mračno bodů
    • MVS vydává zvuk místo geometrie
  4. Co dělá stereo zametání letadla?
    • Fyzicky otáčí kamerou
    • Odstraňuje prach z objektivu
    • Seřadí obrázky podle abecedy
    • Projde virtuální rovinou hloubkou a zjistí, kde se pohledy nejlépe shodují
  5. Které povrchy jsou pro MVS obzvláště náročné?
    • Beztextové a reflexní povrchy
    • Pestrobarevné lakované povrchy
    • Hrubé kamenné povrchy
    • Cokoli s ostrými hranami
  6. Jak vylepšují metody založené na učení, jako je MVSNet, klasické MVS?
    • Odstraňují potřebu jakýchkoliv kamer
    • Učí se přizpůsobovat náklady a hloubkovou regularizaci end-to-end pro větší robustnost
    • Fungují pouze ve stupních šedi
    • Vytvářejí 2D obrázky místo 3D
  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