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.
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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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