ガイド連動クイズ · ハード レベル

DreamFusion とスコア蒸留サンプリング クイズ

DreamFusion の NeRF 最適化、2D 拡散事前処理、スコア蒸留サンプリング、およびマルチビュー レンダリング プロセスを理解します。

関連するガイドパスDreamfusion とスコア蒸留サンプリング
質問 1 の 8

DreamFusion はどの 3D 表現を最適化しますか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. DreamFusion はどの 3D 表現を最適化しますか?
    • NeRF (神経放射フィールド)
    • ポリゴンメッシュ
    • 深度センサーからの点群
    • CT データからのボクセル グリッド
  2. DreamFusion にはどのくらいの 3D トレーニング データが必要ですか?
    • 数百回のスキャン
    • なし
    • 数百万の CAD モデル
    • プロンプトごとに 1 つの参照オブジェクト
  3. What is the computational shortcut in Score Distillation Sampling?
    • It trains a new diffusion model every step
    • グラデーションをまったく使用しません
    • It uses a stop-gradient score signal instead of backpropagating through the diffusion model’s full Jacobian
    • 固定視点を 1 つだけレンダリングします
  4. Why did DreamFusion use high classifier-free guidance in its experiments?
    • GPUメモリを削減するには
    • 出力をグレースケールにするには
    • To guarantee accurate geometry
    • To counter the oversmoothing tendency of SDS and encourage sharper prompt-conditioned results
  5. オリジナルの DreamFusion がフリーズされた以前として使用した 2D モデルはどれですか?
    • Google のイマージェン
    • 安定拡散1.5
    • ダルイー2
    • Midjourney
  6. What artifact can arise when a 2D image prior guides a 3D scene across views?
    • A guaranteed watertight mesh
    • Duplicated faces or features on different sides of the object
    • A single grayscale output
    • A 3D object with no rendered views
  7. Why does DreamFusion render the NeRF from sampled camera angles during optimization?
    • To avoid using the NeRF representation
    • To replace the text prompt with camera metadata
    • To let the 2D prior provide guidance from multiple views of the 3D scene
    • To create an audio soundtrack
  8. What does an optimized NeRF allow a user to do with the generated scene?
    • Recover the original 3D training scan
    • Guarantee physically correct materials
    • Generate only the original training image
    • Render it from new viewpoints and relight it