Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Azonnali NGP hash kódolási kvíz
Test how Instant-NGP's multiresolution hash grids, trilinear features, and tiny MLP speed up neural graphics while managing memory.
kérdés 1 -ból 8
Mi a fő szűk keresztmetszet az Instant-NGP által megcélzott klasszikus NeRF-ekben?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mi a fő szűk keresztmetszet az Instant-NGP által megcélzott klasszikus NeRF-ekben?
- A nagy MLP jelenetenként milliószor kérdezett le
- Hálózati sávszélesség a streaminghez
- A kijelző frissítési gyakorisága
- Hangszinkronizálás
- Hol tárolja az Instant-NGP a legtöbb tanulható paramétert?
- Egyetlen sűrű voxelrácsban
- A jellemzővektorok többfelbontású hash-táblázatában
- A kamera lényegében
- Csak egy nagyon mély MLP-ben
- Hogyan kombinálhatók a funkciók a több felbontási szinten?
- Egy skalárba átlagolják őket
- ABC sorrendben vannak rendezve
- Megnézik, trilineárisan interpolálják, majd összefűzik
- Eldobják őket, kivéve a legfinomabb szintet
- Hogyan kezeli az Instant-NGP a hash ütközéseket a finom felbontású táblázataiban?
- Teljesen tiltja az ütközést egy hatalmas asztallal
- Ütközés esetén összeomlik
- Csak színeket hasít ki, pozíciókat soha
- Lehetővé teszi az ütközéseket, és a képzési gradiensekre támaszkodik az egyértelműség érdekében
- Körülbelül mennyivel gyorsítja fel az Instant-NGP a NeRF edzést?
- Óráktól másodpercekig (nagyságrendek)
- Valójában lassabb
- Körülbelül 5 százalékkal gyorsabb
- Nincs változás, csak jobb minőség
- A NeRF-eken kívül mit képviselhet még a hash-grid kódolás?
- Csak nyomtatott szöveg
- Jelzett távolságfüggvények és gigapixeles képek
- Csak részvénydiagramok
- Csak hanghullámformák
- 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
- 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