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.
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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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