Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Regénynézet szintézis kvíz

Explore radiance fields, ray rendering, Gaussian primitives, photometric supervision, positional encoding, and efficient hash-grid representations.

Kapcsolódó útmutató utakRegénynézet szintézis
kérdés 1 -ból 8

Egy jelenetről készült fényképek alapján mit próbál előállítani az újszerű nézetszintézis?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Egy jelenetről készült fényképek alapján mit próbál előállítani az újszerű nézetszintézis?
    • Képek tömörítése kisebb fájlokba
    • Képaláírások lefordítása más nyelvekre
    • Tárgyak észlelése egyetlen fényképen
    • Jelenet megjelenítése olyan kameraállásból, amelyet eredetileg nem rögzítettek
  2. Mire képezi le a neurális sugárzási mező (Neural Radiance Field, NeRF) a 3D pozíciót és a nézési irányt?
    • Szöveges leírás
    • Szín (sugárzás) és térfogatsűrűség
    • A kamera sorozatszáma
    • Tömörített hangjel
  3. Hogyan jelenít meg a NeRF egy pixelt egy új nézethez?
    • A legközelebbi edzéskép közvetlen másolásával
    • Az adatkészlet összes képpontjának átlagolásával
    • Térfogatú sugármenettel: pontok mintavétele a sugár mentén, valamint a szín és a sűrűség integrálása
    • Az optikai karakterfelismerés futtatásával
  4. What distinguishes 3D Gaussian Splatting's scene representation from an original NeRF-style per-ray network evaluation?
    • Explicit 3D Gaussian primitives rendered through a differentiable rasterization approach
    • A representation containing no scene parameters or image observations
    • Only a table of audio phonemes
    • A method that copies a single input photo for every viewpoint
  5. Miért képesek az NVS-módszerek a tükröződéseket és a fényes csúcsokat reprodukálni?
    • Teljesen figyelmen kívül hagyják a világítást
    • Nézetfüggő megjelenést modelleznek, így a szín a nézés irányával változhat
    • Csak szürkeárnyalatban jelennek meg
    • GPS koordinátákat használnak
  6. What representation technique is central to Instant-NGP's acceleration of neural graphics tasks?
    • Removing all input observations from training
    • Converting the scene into a spreadsheet of filenames
    • A guarantee of the same training time for every scene
    • A multiresolution hash encoding
  7. What supplies the photometric training target in original NeRF scene optimization?
    • Observed pixel colors in the training images, compared with rendered colors
    • A required ground-truth 3D mesh for every scene
    • Only the scene's written caption
    • Only the final image's file size
  8. Why did original NeRF use positional encoding on its coordinate inputs?
    • To identify the camera's serial number
    • To supply surveyed coordinates without measurements
    • To help the network represent high-frequency spatial and directional variation
    • To eliminate every need for a radiance-field network