Quiz sur le codage de hachage NGP instantané

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

1. Quel est le principal goulot d’étranglement des NeRF classiques ciblés par Instant-NGP ?
   • Le grand MLP interrogé des millions de fois par scène
   • Bande passante réseau pour le streaming
   • Le taux de rafraîchissement de l'affichage
   • Synchronisation audio
2. Où Instant-NGP stocke-t-il la plupart de ses paramètres apprenables ?
   • Dans une seule grille de voxels dense
   • Dans une table de hachage multirésolution de vecteurs de caractéristiques
   • Dans les intrinsèques de la caméra
   • Seulement dans un MLP très profond
3. Comment les fonctionnalités sont-elles combinées sur les différents niveaux de résolution ?
   • Ils sont moyennés en un scalaire
   • Ils sont classés par ordre alphabétique
   • Ils sont recherchés, interpolés de manière trilinéaire, puis concaténés
   • Ils sont rejetés sauf le niveau le plus fin
4. Comment Instant-NGP gère-t-il les collisions de hachage dans ses tables à résolution fine ?
   • Il interdit totalement les collisions avec une immense table
   • Il plante lorsque des collisions se produisent
   • Il hache uniquement les couleurs, jamais les positions
   • Il permet aux collisions de se produire et s'appuie sur les gradients d'entraînement pour lever l'ambiguïté.
5. Dans quelle mesure Instant-NGP accélère-t-il environ l’entraînement NeRF ?
   • Des heures aux secondes (ordres de grandeur)
   • En fait, c'est plus lent
   • Environ 5 pour cent plus rapide
   • Aucun changement, seulement une meilleure qualité
6. Au-delà des NeRF, que peut représenter d’autre l’encodage par grille de hachage ?
   • Uniquement le texte imprimé
   • Fonctions de distance signées et images gigapixels
   • Uniquement les graphiques boursiers
   • Uniquement les formes d'onde audio
7. Why does Instant-NGP allow different fine-grid cells to share a hash-table entry?
   • To make every spatial coordinate map to a unique table entry
   • To remove the need for trainable feature vectors
   • To keep the feature tables bounded in memory while representing higher-resolution spatial detail
   • To replace all grid levels with one full-resolution dense array
8. How do Instant-NGP's resolution levels balance collisions and spatial detail?
   • Every level uses one dense grid with no feature table
   • Coarse levels share all entries while fine levels are guaranteed collision-free
   • Only the highest-resolution level stores learnable features
   • Coarse levels can be collision-free while finer levels share entries to represent more detail within bounded memory