Mit dem Guide verknüpftes Quiz · Schwer Ebene

DreamFusion- und Score-Destillation-Sampling-Quiz

Verstehen Sie die NeRF-Optimierung, die 2D-Diffusion Prior, das Score Distillation Sampling und den Multi-View-Rendering-Prozess von DreamFusion.

Verwandte FührungspfadeDreamfusion und Score-Destillation-Sampling
Frage 1 von 8

Welche 3D-Darstellung optimiert DreamFusion?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Welche 3D-Darstellung optimiert DreamFusion?
    • Ein NeRF (Neural Radiance Field)
    • Ein Polygonnetz
    • Eine Punktwolke von einem Tiefensensor
    • Ein Voxelgitter aus CT-Daten
  2. Wie viele 3D-Trainingsdaten benötigt DreamFusion?
    • Ein paar hundert Scans
    • Keine
    • Millionen CAD-Modelle
    • Ein Referenzobjekt pro Eingabeaufforderung
  3. What is the computational shortcut in Score Distillation Sampling?
    • It trains a new diffusion model every step
    • Es werden überhaupt keine Farbverläufe verwendet
    • It uses a stop-gradient score signal instead of backpropagating through the diffusion model’s full Jacobian
    • Es gibt nur einen festen Blickwinkel wieder
  4. Why did DreamFusion use high classifier-free guidance in its experiments?
    • Um den GPU-Speicher zu reduzieren
    • Um Graustufenausgaben zu erstellen
    • To guarantee accurate geometry
    • To counter the oversmoothing tendency of SDS and encourage sharper prompt-conditioned results
  5. Welches 2D-Modell verwendete das ursprüngliche DreamFusion als eingefrorenes Vorgängermodell?
    • Bild von Google
    • Stabile Diffusion 1.5
    • DALL-E 2
    • Midjourney
  6. What artifact can arise when a 2D image prior guides a 3D scene across views?
    • A guaranteed watertight mesh
    • Duplicated faces or features on different sides of the object
    • A single grayscale output
    • A 3D object with no rendered views
  7. Why does DreamFusion render the NeRF from sampled camera angles during optimization?
    • To avoid using the NeRF representation
    • To replace the text prompt with camera metadata
    • To let the 2D prior provide guidance from multiple views of the 3D scene
    • To create an audio soundtrack
  8. What does an optimized NeRF allow a user to do with the generated scene?
    • Recover the original 3D training scan
    • Guarantee physically correct materials
    • Generate only the original training image
    • Render it from new viewpoints and relight it