Quiz collegato alla guida · Difficile Livello

Quiz stereo multivista

Controlla gli input della posa della fotocamera MVS, la coerenza delle foto, la stima della profondità, la geometria sparsa rispetto a quella densa e la distinzione della regolazione del fascio.

Percorsi guida correlatiStereo multivista
Domanda 1 di 8

Cosa presuppone in genere che Multi-View Stereo sia già noto prima dell'avvio?

Anteprima di ogni domanda8 domande

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

  1. Cosa presuppone in genere che Multi-View Stereo sia già noto prima dell'avvio?
    • La fotocamera posa per ogni immagine
    • La mesh 3D finale
    • I colori di ogni superficie
    • I nomi degli oggetti nella scena
  2. Quale principio fondamentale utilizza MVS per trovare punti 3D corretti?
    • Massimizzare la luminosità dell'immagine
    • Coerenza delle foto tra più visualizzazioni
    • Riduzione al minimo delle dimensioni del file
    • Campionamento casuale di pixel
  3. In cosa differisce MVS dall'output di Structure from Motion?
    • MVS funziona solo su una singola immagine
    • MVS ignora completamente le posizioni della telecamera
    • MVS produce una densa profondità per pixel, mentre SfM fornisce una nuvola di punti sparsa
    • MVS emette audio anziché geometria
  4. Cosa fa lo stereo per spazzare l'aereo?
    • Ruota fisicamente la fotocamera
    • Spazza via la polvere dall'obiettivo
    • Ordina le immagini in ordine alfabetico
    • Esplora un piano virtuale attraverso la profondità e trova i punti in cui le viste concordano meglio
  5. Quali superfici sono particolarmente impegnative per MVS?
    • Superfici prive di texture e riflettenti
    • Superfici verniciate dai colori vivaci
    • Superfici di pietra grezza
    • Qualunque cosa abbia spigoli vivi
  6. In che modo i metodi basati sull'apprendimento come MVSNet migliorano rispetto al classico MVS?
    • Eliminano la necessità di qualsiasi fotocamera
    • Imparano ad abbinare i costi e a regolarizzare in modo approfondito end-to-end per una maggiore robustezza
    • Funzionano solo in scala di grigi
    • Producono immagini 2D invece che 3D
  7. Come può un sistema MVS confrontare una profondità ipotizzata tra viste adiacenti?
    • Confronta solo i nomi dei file
    • Usa la perplessità del modello linguistico
    • Deforma i patch dell'immagine e misura il loro accordo di aspetto, ad esempio con la correlazione incrociata normalizzata
    • Conta i campi dei metadati della fotocamera
  8. Dopo che le mappe di profondità per immagine sono state stimate, cosa può fare MVS con esse?
    • Convertile in token linguistici
    • Sostituisci le pose della fotocamera con etichette
    • Scarta tutte le informazioni cross-view
    • Fusione in una nuvola di punti o mesh più densa e filtra le incoerenze