Quiz collegato alla guida · Difficile Livello

Quiz sul campionamento di DreamFusion e distillazione del punteggio

Comprendere l'ottimizzazione NeRF di DreamFusion, la diffusione 2D preliminare, il campionamento della distillazione del punteggio e il processo di rendering multi-vista.

Domanda 1 di 8

Quale rappresentazione 3D ottimizza DreamFusion?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Quale rappresentazione 3D ottimizza DreamFusion?
    • Un NeRF (campo di radianza neurale)
    • Una maglia poligonale
    • Una nuvola di punti da un sensore di profondità
    • Una griglia di voxel dai dati CT
  2. Quanti dati di addestramento 3D richiede DreamFusion?
    • Qualche centinaio di scansioni
    • Nessuno
    • Milioni di modelli CAD
    • Un oggetto di riferimento per prompt
  3. What is the computational shortcut in Score Distillation Sampling?
    • It trains a new diffusion model every step
    • Non utilizza alcun gradiente
    • It uses a stop-gradient score signal instead of backpropagating through the diffusion model’s full Jacobian
    • Rende solo un punto di vista fisso
  4. Why did DreamFusion use high classifier-free guidance in its experiments?
    • Per ridurre la memoria della GPU
    • Per rendere le uscite in scala di grigi
    • To guarantee accurate geometry
    • To counter the oversmoothing tendency of SDS and encourage sharper prompt-conditioned results
  5. Quale modello 2D è stato utilizzato dal DreamFusion originale come modello precedente congelato?
    • Immagine di Google
    • Diffusione stabile 1.5
    • DALL-E 2
    • Midjourney
  6. What artifact can arise when a 2D image prior guides a 3D scene across views?
    • A guaranteed watertight mesh
    • Duplicated faces or features on different sides of the object
    • A single grayscale output
    • A 3D object with no rendered views
  7. Why does DreamFusion render the NeRF from sampled camera angles during optimization?
    • To avoid using the NeRF representation
    • To replace the text prompt with camera metadata
    • To let the 2D prior provide guidance from multiple views of the 3D scene
    • To create an audio soundtrack
  8. What does an optimized NeRF allow a user to do with the generated scene?
    • Recover the original 3D training scan
    • Guarantee physically correct materials
    • Generate only the original training image
    • Render it from new viewpoints and relight it