Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Zero-1-to-3 Novel View Diffúziós Kvíz
Review how Zero-1-to-3 maps camera motion onto a new view from one image, and how its diffusion model preserves object identity and fine detail.
kérdés 1 -ból 8
Mire van szüksége a Zero-1-to-3 alapbemenetre egyetlen képen kívül egy új nézet létrehozásához?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mire van szüksége a Zero-1-to-3 alapbemenetre egyetlen képen kívül egy új nézet létrehozásához?
- Relatív kameratranszformáció (forgatás és fordítás)
- A helyszín mélységi térképe
- Második kép más szemszögből
- A célnézet kézzel rajzolt vázlata
- A Zero-1-to-3 melyik modell finomhangolásával épül fel?
- Egy gráf neurális hálózat
- 2D kép diffúziós modell (stabil diffúziós)
- Ismétlődő sorozatmodell
- Klasszikus szerkezet-mozgásból megoldó
- Miért tud egyáltalán egy 2D diffúziós modell nulla felvételű, újszerű nézetszintézist végrehajtani?
- Mivel belsőleg tárolja az explicit 3D hálókat
- Mert LiDAR adatokat használ a következtetés során
- Mert implicit geometriai és fizikai prioritásokat tanult a nagyszabású képképzésből
- Mert minden edzésképet pontosan megjegyez
- A 3D objektumok melyik adatkészlete volt központi a Zero-1-to-3 képzésében?
- ImageNet
- COCO
- KITTI vezetési jelenetek
- Objaverzum (szintetikus renderelt objektumok)
- Hogyan őrzi meg a forráskép finom részleteit a generáció?
- A bemeneti kép csatorna-összefűzésével a zajos látenshez
- A felirat kiszámítása után elvetve
- Csak a fájl nevét használja címkeként
- Először szürkeárnyalatossá alakítva
- Mi a Zero-1-to-3 nézetek általános későbbi felhasználása?
- Hang átírása
- Az objektum 3D-s modelljének vagy hálójának rekonstrukciója
- Spam e-mailek szűrése
- Részvényár előrejelzés
- Which values describe the relative camera pose in Zero-1-to-3's conditioning?
- Image brightness, contrast, and saturation
- Object color, texture, and material
- Azimuth, elevation, and radius
- Frame rate, shutter speed, and aperture
- Which input representation does Zero-1-to-3 use to steer cross-attention with image semantics?
- A depth map produced by a stereo camera pair
- A mesh extracted from the final generated view
- A class label that replaces the source image
- A CLIP embedding combined with the relative camera pose