Cuestionario vinculado a una guía · duro Nivel

Prueba de muestreo de destilación de partituras y DreamFusion

Comprenda la optimización NeRF de DreamFusion, la difusión previa 2D, el muestreo de destilación de partituras y el proceso de renderizado de múltiples vistas.

Rutas de guía relacionadasDreamfusion y muestreo de destilación de partituras
Pregunta 1 de 8

¿Qué representación 3D optimiza DreamFusion?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué representación 3D optimiza DreamFusion?
    • Un NeRF (campo de radiación neuronal)
    • Una malla poligonal
    • Una nube de puntos de un sensor de profundidad.
    • Una cuadrícula de vóxeles a partir de datos de TC
  2. ¿Cuántos datos de entrenamiento 3D requiere DreamFusion?
    • Unos cientos de escaneos
    • Ninguno
    • Millones de modelos CAD
    • Un objeto de referencia por mensaje
  3. ¿Cuál es el atajo computacional en el muestreo por destilación de puntuación (Score Distillation Sampling)?
    • It trains a new diffusion model every step
    • No utiliza ningún gradiente.
    • It uses a stop-gradient score signal instead of backpropagating through the diffusion model’s full Jacobian
    • Representa solo un punto de vista fijo.
  4. ¿Por qué DreamFusion usó una guía libre de clasificador (classifier-free guidance) alta en sus experimentos?
    • Para reducir la memoria de la GPU
    • Para realizar salidas en escala de grises
    • To guarantee accurate geometry
    • To counter the oversmoothing tendency of SDS and encourage sharper prompt-conditioned results
  5. ¿Qué modelo 2D usó el DreamFusion original como congelado antes?
    • Imagen de Google
    • Difusión estable 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