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.
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.
- 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
- 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
- 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
- Come vengono recuperati i valori dalla griglia voxel lungo un raggio?
- Solo ricerca del vicino più vicino
- Campionamento casuale
- Un filtro convoluzionale
- Interpolazione trilineare
- 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
- 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
- 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
- What does “Plenoxels” expand to?
- Planar neural outputs
- Perceptual linear voxels
- Point-level network samples
- Plenoptic voxels