Kuis terkait panduan · Sedang Tingkat

Kuis Bidang Cahaya Plenoxel dan Voxel

Uji bagaimana Plenoxels menyimpan pancaran cahaya dalam voxel yang jarang, mengoptimalkan koefisien tanpa MLP, dan mengatur representasinya.

Jalur panduan terkaitBidang Cahaya Plenoxel dan Voxel
Pertanyaan 1 dari 8

Apa pilihan desain Plenoxels yang paling mengejutkan dibandingkan NeRF?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa pilihan desain Plenoxels yang paling mengejutkan dibandingkan NeRF?
    • Ia tidak menggunakan jaringan saraf sama sekali
    • Ia menggunakan jaringan saraf yang jauh lebih dalam
    • Ini hanya berfungsi dalam 2D
    • Ini membutuhkan pemindai LiDAR
  2. Apa yang disimpan oleh setiap voxel yang ditempati di Plenoxels untuk menangkap warna yang bergantung pada tampilan?
    • Peta tekstur RGB lengkap
    • Koefisien harmonik bola
    • Jaringan saraf terpisah
    • Nilai kedalaman saja
  3. What optimization-time comparison did the Plenoxels paper report on its evaluated benchmarks?
    • Exactly the same optimization time on every scene
    • About two orders of magnitude slower in all cases
    • About two orders of magnitude faster than NeRF in the reported settings
    • No measurable difference under any setup
  4. Bagaimana nilai diambil dari kisi voxel sepanjang sinar?
    • Hanya pencarian tetangga terdekat saja
    • Pengambilan sampel acak
    • Filter konvolusional
    • Interpolasi trilinear
  5. What conclusion is supported by Plenoxels’ benchmark results?
    • An explicit sparse grid can achieve NeRF-comparable results on the evaluated tasks without an MLP
    • Neural networks are never useful for 3D vision
    • Voxels always outperform every neural representation
    • Volume rendering requires no optimization
  6. Agar tetap efisien, bagaimana grid voxel Plenoxels disimpan?
    • Sebagai kubus padat yang terisi penuh
    • Sebagai jaringan yang jarang, hanya menyimpan voxel yang terisi
    • Sebagai satu gambar datar
    • Sebagai bingkai video terkompresi
  7. What regularizer did the Plenoxels paper use to encourage spatial smoothness?
    • Hilangnya pengenalan ucapan
    • A KL penalty between language models
    • A total-variation regularizer on voxel coefficients
    • A bitrate constraint on rendered images
  8. What does “Plenoxels” expand to?
    • Planar neural outputs
    • Perceptual linear voxels
    • Point-level network samples
    • Plenoptic voxels