Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ διαφοροποιημένης απόδοσης

Ελέγξτε τις διαφοροποιήσιμες διαβαθμίσεις απόδοσης, την ορατότητα και τις σιλουέτες, την απαλή ραστεροποίηση, την αντίστροφη απόδοση και τη δειγματοληψία άκρων.

Σχετικές διαδρομές οδηγώνΔιαφοροποιήσιμη απόδοση
Ερώτηση 1 του 8

Τι σας επιτρέπει να υπολογίζετε η διαφοροποιήσιμη απόδοση;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Τι σας επιτρέπει να υπολογίζετε η διαφοροποιήσιμη απόδοση;
    • Διαβαθμίσεις των εικονοστοιχείων εξόδου σε σχέση με παραμέτρους σκηνής όπως η γεωμετρία και τα υλικά
    • Ένας ταχύτερος αλγόριθμος ανίχνευσης ακτίνων χωρίς διαβαθμίσεις
    • Ήχος από τρισδιάστατη σκηνή
    • Συμπιεσμένα αρχεία βίντεο από κινούμενα σχέδια
  2. Γιατί οι σιλουέτες αντικειμένων αποτελούν βασική δυσκολία για διαφοροποιήσιμη απόδοση;
    • Είναι πάντα θολά στις πραγματικές φωτογραφίες
    • Προκαλούν ασυνέχειες ορατότητας όπου τα εικονοστοιχεία πηδούν απότομα, χωρίς να δίνουν χρήσιμη απλή κλίση
    • Απαιτούν περισσότερη μνήμη από τις λείες επιφάνειες
    • Αλλάζουν τη μορφή αρχείου της εξόδου
  3. Πώς αντιμετωπίζει η μαλακή ραστεροποίηση το πρόβλημα της ασυνέχειας;
    • Αφαιρεί όλα τα άκρα από τη σκηνή
    • Αυξάνει την ανάλυση μέχρι να εξαφανιστούν οι άκρες
    • Επιτρέπει στα τρίγωνα να συνεισφέρουν ένα ομαλό, θολό αποτύπωμα στα κοντινά pixel
    • Αποδίδει μόνο το φόντο
  4. Τι είναι η «αντίστροφη απόδοση»;
    • Απόδοση σκηνής ανάποδα
    • Μετατροπή εικόνων 2D σε ήχο
    • Απόδοση μόνο τη νύχτα
    • Ανάκτηση παραμέτρων σκηνής (σχήμα, υλικά, φωτισμός) από εικόνες
  5. Ποια σύγχρονη τεχνική βασίζεται στη διαφοροποιημένη απόδοση για την εκπαίδευση;
    • 3D Gaussian splatting και NeRFs
    • Συμπίεση JPEG
    • Κωδικοποίηση MP3
    • Συγκεντρωτικοί πίνακες υπολογιστικών φύλλων
  6. Ποια είναι η προσέγγιση «δειγματοληψίας άκρων» (όπως στο redner) που έχει σχεδιαστεί για να συλλαμβάνει;
    • Το μέσο χρώμα ολόκληρης της εικόνας
    • Ο οριακός όρος του ολοκληρώματος απόδοσης σε ασυνέχειες
    • Ο ρυθμός καρέ μιας κινούμενης εικόνας
    • Η αναλογία συμπίεσης μιας υφής
  7. What does the original NeRF network predict from a 3D location and viewing direction?
    • A binary object label and no appearance information
    • A scene’s legal ownership and camera price
    • Volume density and view-dependent emitted radiance
    • A single pixel mask with no view dependence
  8. What scene representation does 3D Gaussian Splatting optimize for real-time radiance-field rendering?
    • A single triangle silhouette for the entire scene
    • A text-only prompt with no geometric representation
    • A depth map with no color or camera information
    • A set of 3D Gaussians with position, covariance, opacity, and appearance parameters