Cuestionario sobre campos de radiación de plenoxels y vóxeles

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

1. ¿Cuál es la elección de diseño más sorprendente en Plenoxels en comparación con NeRF?
   • No utiliza ninguna red neuronal.
   • Utiliza una red neuronal mucho más profunda.
   • Solo funciona en 2D
   • Requiere escáneres LiDAR
2. ¿Qué almacena cada vóxel ocupado en Plenoxels para capturar el color dependiente de la vista?
   • Un mapa de texturas RGB completo
   • Coeficientes armónicos esféricos
   • Una red neuronal separada
   • Un valor de profundidad solamente
3. What optimization-time comparison did the Plenoxels paper report on its evaluated benchmarks?
   • Exactly the same optimization time on every scene
   • About two orders of magnitude slower in all cases
   • About two orders of magnitude faster than NeRF in the reported settings
   • No measurable difference under any setup
4. ¿Cómo se obtienen los valores de la cuadrícula de vóxeles a lo largo de un rayo?
   • Solo búsqueda de vecino más cercano
   • Muestreo aleatorio
   • Un filtro convolucional
   • Interpolación trilineal
5. What conclusion is supported by Plenoxels’ benchmark results?
   • An explicit sparse grid can achieve NeRF-comparable results on the evaluated tasks without an MLP
   • Neural networks are never useful for 3D vision
   • Voxels always outperform every neural representation
   • Volume rendering requires no optimization
6. Para seguir siendo eficiente, ¿cómo se almacena la cuadrícula de vóxeles de Plenoxels?
   • Como un cubo denso y completamente lleno
   • Como una cuadrícula escasa que mantiene solo los vóxeles ocupados
   • Como una única imagen plana
   • Como fotogramas de vídeo comprimidos
7. What regularizer did the Plenoxels paper use to encourage spatial smoothness?
   • Una pérdida de reconocimiento del habla.
   • A KL penalty between language models
   • A total-variation regularizer on voxel coefficients
   • A bitrate constraint on rendered images
8. What does “Plenoxels” expand to?
   • Planar neural outputs
   • Perceptual linear voxels
   • Point-level network samples
   • Plenoptic voxels