Mit dem Guide verknüpftes Quiz · Schwer Ebene

Quiz zu Vorzeichen-Distanzfunktionen

Sehen Sie sich an, wie vorzeichenbehaftete Abstandsfunktionen Oberflächen kodieren, Rendering und Kollisionsprüfungen unterstützen und neuronale 3D-Rekonstruktion ermöglichen.

Verwandte FührungspfadeVorzeichenbehaftete Distanzfunktionen
Frage 1 von 8

Was gibt eine vorzeichenbehaftete Distanzfunktion für einen bestimmten 3D-Punkt zurück?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Was gibt eine vorzeichenbehaftete Distanzfunktion für einen bestimmten 3D-Punkt zurück?
    • Der Abstand zur nächstgelegenen Oberfläche, mit einem Hinweis für innen/außen
    • Die Farbe der Oberfläche an diesem Punkt
    • Die Anzahl der Dreiecke in der Nähe dieses Punktes
    • Die Helligkeit der Szene
  2. Wo befindet sich die eigentliche Oberfläche eines SDF?
    • Wo die Funktion maximiert ist
    • Auf Nullniveau eingestellt (Abstand gleich Null)
    • Wobei das Vorzeichen immer positiv ist
    • In der Mitte des Begrenzungsrahmens
  3. Where does a true signed distance function satisfy the unit-gradient eikonal condition?
    • At every point, including all nonsmooth points
    • Only at the zero level set
    • At differentiable points, which is almost everywhere for common surfaces
    • Only outside the shape
  4. Wie nutzt die Kugelverfolgung den SDF-Wert?
    • Es erfolgt immer ein kleiner, fester Betrag
    • Es macht einen Schritt zurück, um der Oberfläche auszuweichen
    • Es ignoriert die SDF und führt zufällige Stichproben durch
    • Es erfolgt ein Schritt vorwärts um den SDF-Wert, den sicheren Abstand zur nächsten Oberfläche
  5. Was verwendet DeepSDF, um eine bestimmte Form darzustellen?
    • Ein kompakter latenter Code, der in ein neuronales Netzwerk eingespeist wird
    • Ein vollständiges Dreiecksnetz, das im Speicher gespeichert ist
    • Ein einzelnes RGB-Bild
    • Eine Liste der Kamerapositionen
  6. What is one useful property of an SDF representation compared with a fixed triangle mesh?
    • It guarantees exact geometry regardless of training data or sampling
    • It is a continuous function that can be queried at chosen resolutions, subject to representation accuracy and compute
    • It always uses less memory than every possible mesh
    • It eliminates the need to compute surface normals
  7. How can a signed distance function support robot collision checking?
    • It identifies the material composition of each obstacle
    • It predicts the robot's battery life from its pose
    • It gives a distance to nearby surfaces that can help determine clearance from obstacles
    • It converts a robot path into a camera image
  8. In the NeuS reconstruction method, what representation is learned for a scene surface?
    • A fixed list of RGB colors with no geometry
    • An unordered set of camera exposure settings
    • A text caption for each image without a 3D representation
    • The surface is represented as the zero-level set of a neural signed distance function