Kvíz spojený s průvodcem · Střední úroveň
Kvíz o zpracování mračna bodů
Prozkoumejte, jak systémy mraků bodů zachovávají neuspořádanou 3D geometrii při čištění skenů a učení funkcí v různých prostorových měřítcích.
Otázka 1 z 8
Co je mračno bodů?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Co je mračno bodů?
- Sbírka 3D bodů popisujících povrchy v prostoru
- 2D mřížka barevných pixelů
- Shluk serverů zpracovávajících grafiku
- Mapa počasí oblačnosti
- Proč nelze standardní obrazové CNN aplikovat přímo na mračna bodů?
- Mraky bodů jsou příliš malé
- Body jsou neuspořádané a postrádají pravidelnou mřížkovou strukturu
- Mračna bodů neobsahují žádné prostorové informace
- CNN fungují pouze černobíle
- Jakou klíčovou vlastnost musí respektovat síť mraků bodů?
- Barevná neměnnost
- Přísné pořadí čtení zleva doprava
- Permutační invariance k bodovému uspořádání
- Pevné rozlišení obrazu
- Jak PointNet dosáhl nezávislosti na objednávce?
- Seřazením bodů podle abecedy
- Nejprve převedením bodů na pixely
- Zahozením všeho kromě prvního bodu
- Použitím symetrické funkce, jako je max. sdružování funkcí za bod
- Co dělá algoritmus Iterative Closest Point (ICP)?
- Zarovná dva mračna bodů do společného souřadnicového rámce
- Komprimuje mračna bodů pro uložení
- Barvy body podle výšky
- Detekuje tváře ve 3D skenování
- Proč se běžně používá voxel downsampling?
- Chcete-li přidat další body pro podrobnosti
- Chcete-li snížit obrovské, husté mraky na zvládnutelnou, jednotnější velikost
- Pro převod 3D dat na zvuk
- K zašifrování mračna bodů
- What does PointNet++ add beyond PointNet’s independent per-point feature processing?
- A fixed left-to-right order for every point cloud
- An image-only convolution applied to RGB pixels
- Hierarchical grouping of nearby points to learn local features at multiple scales
- A rule that deletes every point outside the origin
- Why might a point-cloud pipeline remove statistical outliers before modeling?
- To create an ordered sequence from the remaining points
- To convert the cloud into a two-dimensional audio spectrogram
- To add synthetic surface normals to every point
- To discard isolated noisy points that do not fit the surrounding point distribution