Cuestionario vinculado a una guía · duro Nivel

Prueba de funciones de distancia firmadas

Revise cómo las funciones de distancia firmadas codifican superficies, admiten comprobaciones de representación y colisión y permiten la reconstrucción neuronal 3D.

Rutas de guía relacionadasFunciones de distancia firmadas
Pregunta 1 de 8

¿Qué devuelve una función de distancia con signo para un punto 3D determinado?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Qué devuelve una función de distancia con signo para un punto 3D determinado?
    • La distancia a la superficie más cercana, con una señal de interior/exterior.
    • El color de la superficie en ese punto.
    • El número de triángulos cerca de ese punto.
    • El brillo de la escena.
  2. ¿Dónde está ubicada la superficie real de un SDF?
    • Donde la función se maximiza
    • En el nivel cero establecido (la distancia es igual a cero)
    • Donde el signo es siempre positivo
    • En el centro del cuadro delimitador
  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. ¿Cómo utiliza el rastreo de esfera el valor SDF?
    • Siempre avanza por una pequeña cantidad fija.
    • Da un paso atrás para evitar la superficie.
    • Ignora el SDF y toma muestras al azar.
    • Avanza según el valor SDF, la distancia segura a la superficie más cercana.
  5. ¿Qué usa DeepSDF para representar una forma específica?
    • Un código latente compacto introducido en una red neuronal
    • Una malla triangular completa almacenada en la memoria.
    • Una única imagen RGB
    • Una lista de posiciones de la cámara.
  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