Quiz zur Synthese neuartiger Ansichten

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

1. Given photos of a scene, what does novel view synthesis try to produce?
   • Um Bilder in kleinere Dateien zu komprimieren
   • Bildunterschriften in andere Sprachen übersetzen
   • Zum Erkennen von Objekten in einem einzelnen Foto
   • Zum Rendern einer Szene aus Kameraperspektiven, die ursprünglich nicht erfasst wurden
2. Worauf ordnet ein Neural Radiance Field (NeRF) eine 3D-Position und Blickrichtung zu?
   • Eine Textbeschreibung
   • Farbe (Strahlung) und Volumendichte
   • Eine Kameraseriennummer
   • Ein komprimiertes Audiosignal
3. Wie rendert NeRF ein Pixel für eine neue Ansicht?
   • Durch direktes Kopieren des nächstgelegenen Trainingsbildes
   • Durch Mittelung aller Pixel im Datensatz
   • Durch volumetrische Strahlbewegung: Abtastpunkte entlang des Strahls und Integration von Farbe und Dichte
   • Durch Ausführen einer optischen Zeichenerkennung
4. What distinguishes 3D Gaussian Splatting's scene representation from an original NeRF-style per-ray network evaluation?
   • Explicit 3D Gaussian primitives rendered through a differentiable rasterization approach
   • A representation containing no scene parameters or image observations
   • Only a table of audio phonemes
   • A method that copies a single input photo for every viewpoint
5. Warum können NVS-Methoden Reflexionen und glänzende Glanzlichter reproduzieren?
   • Sie ignorieren die Beleuchtung völlig
   • Sie modellieren ein blickabhängiges Erscheinungsbild, sodass sich die Farbe mit der Blickrichtung ändern kann
   • Sie rendern nur in Graustufen
   • Sie verwenden GPS-Koordinaten
6. What representation technique is central to Instant-NGP's acceleration of neural graphics tasks?
   • Removing all input observations from training
   • Converting the scene into a spreadsheet of filenames
   • A guarantee of the same training time for every scene
   • A multiresolution hash encoding
7. What supplies the photometric training target in original NeRF scene optimization?
   • Observed pixel colors in the training images, compared with rendered colors
   • A required ground-truth 3D mesh for every scene
   • Only the scene's written caption
   • Only the final image's file size
8. Why did original NeRF use positional encoding on its coordinate inputs?
   • To identify the camera's serial number
   • To supply surveyed coordinates without measurements
   • To help the network represent high-frequency spatial and directional variation
   • To eliminate every need for a radiance-field network