Quiz collegato alla guida · Difficile Livello
Quiz sulle funzioni della distanza con segno
Esamina il modo in cui le funzioni di distanza con segno codificano le superfici, supportano il rendering e i controlli di collisione e abilitano la ricostruzione 3D neurale.
Domanda 1 di 8
Cosa restituisce una funzione di distanza con segno per un dato punto 3D?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Cosa restituisce una funzione di distanza con segno per un dato punto 3D?
- La distanza dalla superficie più vicina, con un cartello per interno/esterno
- Il colore della superficie in quel punto
- Il numero di triangoli vicino a quel punto
- La luminosità della scena
- Dove si trova la superficie effettiva di un SDF?
- Dove la funzione è massimizzata
- Al livello zero impostato (la distanza è uguale a zero)
- Dove il segno è sempre positivo
- Al centro del riquadro di delimitazione
- Where does a true signed distance function satisfy the unit-gradient eikonal condition?
- At every point, including all nonsmooth points
- Only at the zero level set
- At differentiable points, which is almost everywhere for common surfaces
- Only outside the shape
- In che modo il tracciamento della sfera utilizza il valore SDF?
- Aumenta sempre di un piccolo importo fisso
- Fa un passo indietro per evitare la superficie
- Ignora l'SDF e campiona in modo casuale
- Avanza in base al valore SDF, la distanza di sicurezza dalla superficie più vicina
- Cosa utilizza DeepSDF per rappresentare una forma specifica?
- Un codice latente compatto immesso in una rete neurale
- Una mesh triangolare completa archiviata in memoria
- Una singola immagine RGB
- Un elenco di posizioni della telecamera
- What is one useful property of an SDF representation compared with a fixed triangle mesh?
- It guarantees exact geometry regardless of training data or sampling
- It is a continuous function that can be queried at chosen resolutions, subject to representation accuracy and compute
- It always uses less memory than every possible mesh
- It eliminates the need to compute surface normals
- How can a signed distance function support robot collision checking?
- It identifies the material composition of each obstacle
- It predicts the robot's battery life from its pose
- It gives a distance to nearby surfaces that can help determine clearance from obstacles
- It converts a robot path into a camera image
- In the NeuS reconstruction method, what representation is learned for a scene surface?
- A fixed list of RGB colors with no geometry
- An unordered set of camera exposure settings
- A text caption for each image without a 3D representation
- The surface is represented as the zero-level set of a neural signed distance function