Útmutatóhoz kapcsolódó kvíz · Kemény Szint

Aláírt távolságfüggvények kvíz

Review how signed distance functions encode surfaces, support rendering and collision checks, and enable neural 3D reconstruction.

Kapcsolódó útmutató utakElőjeles távolságfüggvények
kérdés 1 -ból 8

Mit ad vissza egy előjeles távolságfüggvény egy adott 3D pontra?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Mit ad vissza egy előjeles távolságfüggvény egy adott 3D pontra?
    • A legközelebbi felület távolsága, belső/külső jelzéssel
    • A felület színe azon a ponton
    • A pont közelében lévő háromszögek száma
    • A jelenet fényessége
  2. Hol található az SDF tényleges felülete?
    • Ahol a funkció maximalizálva van
    • A beállított nulla szinten (a távolság nullával egyenlő)
    • Ahol az előjel mindig pozitív
    • A határolókeret közepén
  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. Hogyan használja a gömbkövetés az SDF értéket?
    • Mindig egy apró fix összeggel lép fel
    • Hátralép, hogy elkerülje a felszínt
    • Figyelmen kívül hagyja az SDF-et, és véletlenszerűen vesz mintákat
    • Az SDF értékkel, a legközelebbi felület biztonságos távolságával lép előre
  5. Mit használ a DeepSDF egy adott alakzat ábrázolására?
    • Egy neurális hálózatba betáplált kompakt látens kód
    • A memóriában tárolt teljes háromszögháló
    • Egyetlen RGB kép
    • A kamera pozícióinak listája
  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