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.
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.
- 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
- Jaký základní princip používá MVS k nalezení správných 3D bodů?
- Maximalizace jasu obrazu
- Fotokonzistence napříč více pohledy
- Minimalizace velikosti souboru
- Náhodné vzorkování pixelů
- 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
- 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
- Které povrchy jsou pro MVS obzvláště náročné?
- Beztextové a reflexní povrchy
- Pestrobarevné lakované povrchy
- Hrubé kamenné povrchy
- Cokoli s ostrými hranami
- 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
- 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
- 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