ガイド連動クイズ · ハード レベル

マルチビューステレオクイズ

MVS カメラ ポーズ入力、写真の一貫性、深さの推定、疎なジオメトリと密なジオメトリ、およびバンドル調整の区別をチェックします。

関連するガイドパスマルチビューステレオ
質問 1 の 8

マルチビュー ステレオでは通常、開始前に何が既知であると想定されますか?

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. マルチビュー ステレオでは通常、開始前に何が既知であると想定されますか?
    • 各画像のカメラのポーズ
    • 最終的な 3D メッシュ
    • あらゆる表面の色
    • シーン内のオブジェクトの名前
  2. MVS は正しい 3D ポイントを見つけるためにどのような基本原理を使用しますか?
    • 画像の明るさを最大化する
    • 複数のビューにわたる写真の一貫性
    • ファイルサイズの最小化
    • ピクセルのランダムサンプリング
  3. MVS は、Structure from Motion の出力とどのように異なりますか?
    • MVS は単一のイメージに対してのみ機能します
    • MVS はカメラの位置を完全に無視します
    • MVS はピクセルごとに高密度の深度を生成しますが、SfM は疎な点群を生成します。
    • MVS はジオメトリの代わりにオーディオを出力します
  4. プレーンスイープステレオは何をするのでしょうか?
    • カメラを物理的に回転させます
    • レンズについたゴミを掃き出す
    • 画像をアルファベット順に並べ替えます
    • 仮想平面を奥行き方向にスイープし、ビューが最もよく一致する場所を見つけます
  5. MVS にとって特に困難な表面はどれですか?
    • テクスチャレスで反射性のある表面
    • 鮮やかな色の塗装面
    • 粗い石の表面
    • 鋭利なエッジのあるもの
  6. MVSNet のような学習ベースのメソッドは、従来の MVS をどのように改善しますか?
    • カメラが不要になります
    • 堅牢性を高めるために、マッチングコストと深さの正則化をエンドツーエンドで学習します。
    • グレースケールでのみ機能します
    • 3D ではなく 2D 画像を生成します
  7. How may an MVS system compare a hypothesized depth across neighboring views?
    • Compare only the file names
    • Use the language-model perplexity
    • Warp image patches and measure their appearance agreement, for example with normalized cross-correlation
    • Count camera metadata fields
  8. After per-image depth maps are estimated, what can MVS do with them?
    • Convert them into language tokens
    • Replace the camera poses with labels
    • Discard all cross-view information
    • Fuse them into a denser point cloud or mesh and filter inconsistencies