멀티뷰 스테레오 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 멀티 뷰 스테레오는 일반적으로 시작하기 전에 이미 알려져 있다고 가정합니까?
   • 카메라는 각 이미지에 대해 포즈를 취합니다.
   • 최종 3D 메시
   • 모든 표면의 색상
   • 장면에 있는 객체의 이름
2. MVS는 올바른 3D 포인트를 찾기 위해 어떤 핵심 원리를 사용합니까?
   • 이미지 밝기 최대화
   • 여러 보기에 걸친 사진 일관성
   • 파일 크기 최소화
   • 픽셀의 무작위 샘플링
3. MVS는 Motion의 Structure 출력과 어떻게 다릅니까?
   • MVS는 단일 이미지에서만 작동합니다.
   • MVS는 카메라 위치를 완전히 무시합니다.
   • MVS는 조밀한 픽셀당 깊이를 생성하는 반면 SfM은 희박한 포인트 클라우드를 제공합니다.
   • MVS는 형상 대신 오디오를 출력합니다.
4. 평면 스윕 스테레오의 기능은 무엇입니까?
   • 카메라를 물리적으로 회전합니다.
   • 렌즈의 먼지를 쓸어냅니다.
   • 이미지를 알파벳순으로 정렬합니다.
   • 깊이를 통해 가상 평면을 훑어보고 뷰가 가장 잘 일치하는 위치를 찾습니다.
5. MVS에 특히 까다로운 표면은 무엇입니까?
   • 질감이 없고 반사되는 표면
   • 밝은 색상의 페인트 표면
   • 거친 돌 표면
   • 날카로운 모서리가 있는 모든 것
6. MVSNet과 같은 학습 기반 방법은 기존 MVS를 어떻게 개선합니까?
   • 카메라가 필요하지 않습니다.
   • 견고성을 높이기 위해 매칭 비용과 엔드투엔드 정규화 깊이를 배웁니다.
   • 그레이스케일에서만 작동합니다.
   • 3D 대신 2D 이미지를 생성합니다.
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