Prueba de reconstrucción 3D densa DUSt3R

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

1. ¿Qué información clave NO requiere DUSt3R como entrada, a diferencia de la estructura clásica a partir del movimiento?
   • Poses de cámara conocidas y calibración.
   • Cualquier imagen en absoluto
   • una tarjeta grafica
   • Colorea las imágenes
2. ¿Cuál es la salida central a la que regresa la red de DUSt3R para cada imagen?
   • Un título de texto
   • Un mapa de puntos de coordenadas 3D por píxel
   • Un cuadro delimitador
   • Una máscara de segmentación
3. En un par de imágenes DUSt3R, ¿en qué marco de coordenadas se expresan ambos mapas de puntos?
   • Un marco global aleatorio
   • Coordenadas GPS mundiales
   • El marco de coordenadas de la primera cámara.
   • El marco separado de cada imagen.
4. How can DUSt3R produce camera poses and pixel matches without receiving them as known input?
   • A separate calibration rig must provide every pose
   • Human annotators label each pixel correspondence
   • The model cannot produce either output
   • They can be recovered downstream from the predicted pointmaps and their alignment
5. ¿Cómo maneja DUSt3R más de dos imágenes de entrada?
   • Realiza una alineación global uniendo mapas de puntos por pares.
   • Ignora todos menos dos
   • Promedia las imágenes en una sola foto.
   • Requiere una red separada por imagen.
6. ¿Qué método de seguimiento extiende DUSt3R con una coincidencia densa más fuerte?
   • Resnet
   • MASt3R
   • Stable Diffusion
   • NERF
7. What additional per-pixel output accompanies DUSt3R pointmaps?
   • A speech transcript
   • A musical pitch label
   • A confidence map
   • A JPEG compression code
8. What model architecture does DUSt3R use to process image pairs?
   • A rule-based camera calibration script only
   • A convolutional audio vocoder
   • A database query engine
   • Transformer encoders and decoders with cross-view processing