ノベルビュー合成クイズ

クイズに答えると、答えと解説が表示されます。

1. Given photos of a scene, what does novel view synthesis try to produce?
   • 画像を小さいファイルに圧縮するには
   • 画像のキャプションを他の言語に翻訳するには
   • 1 枚の写真内のオブジェクトを検出するには
   • 元々キャプチャされていなかったカメラ視点からシーンをレンダリングするには
2. Neural Radiance Field (NeRF) は 3D 位置と視線方向を何にマッピングしますか?
   • テキストによる説明
   • 色（輝き）と体積密度
   • カメラのシリアル番号
   • 圧縮されたオーディオ信号
3. NeRF は新しいビューのピクセルをどのようにレンダリングしますか?
   • 最も近いトレーニング画像を直接コピーすることにより
   • データセット内のすべてのピクセルを平均することによって
   • ボリュメトリック レイ マーチングによる: レイに沿ったポイントのサンプリングと色と密度の統合
   • 光学式文字認識を実行することによって
4. What distinguishes 3D Gaussian Splatting's scene representation from an original NeRF-style per-ray network evaluation?
   • Explicit 3D Gaussian primitives rendered through a differentiable rasterization approach
   • A representation containing no scene parameters or image observations
   • Only a table of audio phonemes
   • A method that copies a single input photo for every viewpoint
5. NVS 手法で反射や光沢のあるハイライトを再現できるのはなぜですか?
   • 彼らは照明を完全に無視します
   • ビューに依存する外観をモデル化しているため、見る方向によって色が変化する可能性があります
   • グレースケールでのみレンダリングされます
   • 彼らは GPS 座標を使用します
6. What representation technique is central to Instant-NGP's acceleration of neural graphics tasks?
   • Removing all input observations from training
   • Converting the scene into a spreadsheet of filenames
   • A guarantee of the same training time for every scene
   • A multiresolution hash encoding
7. What supplies the photometric training target in original NeRF scene optimization?
   • Observed pixel colors in the training images, compared with rendered colors
   • A required ground-truth 3D mesh for every scene
   • Only the scene's written caption
   • Only the final image's file size
8. Why did original NeRF use positional encoding on its coordinate inputs?
   • To identify the camera's serial number
   • To supply surveyed coordinates without measurements
   • To help the network represent high-frequency spatial and directional variation
   • To eliminate every need for a radiance-field network