त्वरित-एनजीपी हैश एन्कोडिंग प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. इंस्टेंट-एनजीपी द्वारा लक्षित क्लासिक एनईआरएफ में मुख्य बाधा क्या है?
   • बड़े एमएलपी ने प्रति दृश्य लाखों बार पूछताछ की
   • स्ट्रीमिंग के लिए नेटवर्क बैंडविड्थ
   • प्रदर्शन ताज़ा दर
   • ऑडियो तुल्यकालन
2. इंस्टेंट-एनजीपी अपने अधिकांश सीखने योग्य मापदंडों को कहाँ संग्रहीत करता है?
   • एक एकल सघन स्वर ग्रिड में
   • फ़ीचर वैक्टर की एक मल्टीरिज़ॉल्यूशन हैश तालिका में
   • कैमरा आंतरिक में
   • केवल एक बहुत गहरे एमएलपी के अंदर
3. विभिन्न रिज़ॉल्यूशन स्तरों पर सुविधाओं को कैसे संयोजित किया जाता है?
   • उन्हें एक अदिश राशि में औसत किया जाता है
   • उन्हें वर्णानुक्रम में क्रमबद्ध किया गया है
   • उन्हें ऊपर देखा जाता है, त्रिरेखीय रूप से प्रक्षेपित किया जाता है, फिर संयोजित किया जाता है
   • सर्वोत्तम स्तर को छोड़कर उन्हें त्याग दिया जाता है
4. इंस्टेंट-एनजीपी अपनी फाइन-रिज़ॉल्यूशन तालिकाओं में हैश टकराव को कैसे संभालता है?
   • यह किसी बड़ी मेज से टकराव को पूरी तरह से रोकता है
   • टकराव होने पर यह दुर्घटनाग्रस्त हो जाता है
   • इसमें केवल रंग हैं, स्थिति कभी नहीं
   • यह टकराव होने देता है और स्पष्ट करने के लिए प्रशिक्षण ग्रेडिएंट पर निर्भर करता है
5. इंस्टेंट-एनजीपी एनईआरएफ प्रशिक्षण को लगभग कितनी गति देता है?
   • घंटों से लेकर सेकंडों तक (परिमाण के क्रम में)
   • यह वास्तव में धीमा है
   • लगभग 5 प्रतिशत तेज
   • कोई परिवर्तन नहीं, केवल बेहतर गुणवत्ता
6. एनईआरएफ के अलावा, हैश-ग्रिड एन्कोडिंग और क्या दर्शा सकती है?
   • केवल मुद्रित पाठ
   • हस्ताक्षरित दूरी फ़ंक्शन और गीगापिक्सेल छवियां
   • केवल स्टॉक चार्ट
   • केवल ऑडियो तरंगरूप
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