Quiz collegato alla guida · Medio Livello

Quiz sui campi di radianza Plenoxel e Voxel

Testa come Plenoxels immagazzina la radianza in voxel sparsi, ottimizza i coefficienti senza MLP e regolarizza la rappresentazione.

Percorsi guida correlatiPlenoxel e campi di radianza Voxel
Domanda 1 di 8

Qual è la scelta progettuale più sorprendente di Plenoxel rispetto a NeRF?

Anteprima di ogni domanda8 domande

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

  1. Qual è la scelta progettuale più sorprendente di Plenoxel rispetto a NeRF?
    • Non utilizza alcuna rete neurale
    • Utilizza una rete neurale molto più profonda
    • Funziona solo in 2D
    • Richiede scanner LiDAR
  2. Cosa memorizza ciascun voxel occupato in Plenoxel per catturare il colore dipendente dalla vista?
    • Una mappa texture RGB completa
    • Coefficienti armonici sferici
    • Una rete neurale separata
    • Solo un valore di profondità
  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. Come vengono recuperati i valori dalla griglia voxel lungo un raggio?
    • Solo ricerca del vicino più vicino
    • Campionamento casuale
    • Un filtro convoluzionale
    • Interpolazione trilineare
  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. Per rimanere efficiente, come viene archiviata la griglia voxel di Plenoxel?
    • Come un cubo denso e completamente pieno
    • Come una griglia sparsa che mantiene occupati solo i voxel
    • Come un'unica immagine piatta
    • Come fotogrammi video compressi
  7. What regularizer did the Plenoxels paper use to encourage spatial smoothness?
    • Una perdita di riconoscimento vocale
    • 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