Quiz collegato alla guida · Medio Livello

Quiz sulla codifica hash NGP istantanea

Prova come le griglie hash multirisoluzione, le funzionalità trilineari e il piccolo MLP di Instant-NGP accelerano la grafica neurale gestendo la memoria.

Percorsi guida correlatiCodifica hash Ngp istantanea
Domanda 1 di 8

Qual è il principale collo di bottiglia nei classici NeRF presi di mira da Instant-NGP?

Anteprima di ogni domanda8 domande

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

  1. Qual è il principale collo di bottiglia nei classici NeRF presi di mira da Instant-NGP?
    • Il grande MLP ha interrogato milioni di volte per scena
    • Larghezza di banda della rete per lo streaming
    • La frequenza di aggiornamento del display
    • Sincronizzazione audio
  2. Dove Instant-NGP memorizza la maggior parte dei parametri apprendibili?
    • In un'unica fitta griglia di voxel
    • In una tabella hash multirisoluzione di vettori di caratteristiche
    • Negli intrinseci della fotocamera
    • Solo all'interno di un MLP molto profondo
  3. Come vengono combinate le funzionalità tra i diversi livelli di risoluzione?
    • Vengono mediati in uno scalare
    • Sono ordinati in ordine alfabetico
    • Vengono cercati, interpolati trilinearmente, quindi concatenati
    • Vengono scartati tranne il livello più fine
  4. In che modo Instant-NGP gestisce le collisioni di hash nelle sue tabelle a risoluzione fine?
    • Impedisce completamente le collisioni con un tavolo enorme
    • Si blocca quando si verificano collisioni
    • Esegue l'hashing solo dei colori, mai delle posizioni
    • Permette che si verifichino collisioni e si affida ai gradienti di addestramento per chiarire le ambiguità
  5. All'incirca quanto Instant-NGP accelera l'allenamento NeRF?
    • Dalle ore fino ai secondi (ordini di grandezza)
    • In realtà è più lento
    • Circa il 5% più veloce
    • Nessun cambiamento, solo migliore qualità
  6. Oltre a NeRF, cos'altro può rappresentare la codifica hash-grid?
    • Solo testo stampato
    • Funzioni di distanza con segno e immagini gigapixel
    • Solo grafici azionari
    • Solo forme d'onda audio
  7. Why does Instant-NGP allow different fine-grid cells to share a hash-table entry?
    • To make every spatial coordinate map to a unique table entry
    • To remove the need for trainable feature vectors
    • To keep the feature tables bounded in memory while representing higher-resolution spatial detail
    • To replace all grid levels with one full-resolution dense array
  8. How do Instant-NGP's resolution levels balance collisions and spatial detail?
    • Every level uses one dense grid with no feature table
    • Coarse levels share all entries while fine levels are guaranteed collision-free
    • Only the highest-resolution level stores learnable features
    • Coarse levels can be collision-free while finer levels share entries to represent more detail within bounded memory