Kuiz berkaitan panduan · Keras Tahap

Kuiz Stereo Berbilang Pandangan

Menyemak input pose kamera MVS, ketekalan foto, anggaran kedalaman, geometri jarang berbanding padat dan perbezaan pelarasan berkas.

Laluan panduan yang berkaitanStereo Berbilang Pandangan
soalan 1 daripada 8

Apakah yang biasanya diandaikan oleh Multi-View Stereo telah diketahui sebelum ia bermula?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah yang biasanya diandaikan oleh Multi-View Stereo telah diketahui sebelum ia bermula?
    • Pose kamera untuk setiap imej
    • Jaringan 3D terakhir
    • Warna setiap permukaan
    • Nama-nama objek di tempat kejadian
  2. Apakah prinsip teras yang digunakan oleh MVS untuk mencari titik 3D yang betul?
    • Memaksimumkan kecerahan imej
    • Ketekalan foto merentas berbilang paparan
    • Meminimumkan saiz fail
    • Persampelan rawak piksel
  3. Bagaimanakah MVS berbeza daripada output Structure from Motion?
    • MVS hanya berfungsi pada satu imej
    • MVS mengabaikan kedudukan kamera sepenuhnya
    • MVS menghasilkan kedalaman per piksel yang padat, manakala SfM memberikan awan titik yang jarang
    • MVS mengeluarkan audio dan bukannya geometri
  4. Apakah yang dilakukan oleh stereo sapuan pesawat?
    • Putar kamera secara fizikal
    • Menyapu habuk dari kanta
    • Isih imej mengikut abjad
    • Menyapu satah maya melalui kedalaman dan mencari tempat yang paling sesuai dengan pandangan
  5. Permukaan manakah yang paling mencabar untuk MVS?
    • Permukaan tidak bertekstur dan reflektif
    • Permukaan yang dicat berwarna terang
    • Permukaan batu yang kasar
    • Apa-apa sahaja dengan tepi tajam
  6. Bagaimanakah kaedah berasaskan pembelajaran seperti MVSNet bertambah baik pada MVS klasik?
    • Mereka menghilangkan keperluan untuk sebarang kamera
    • Mereka mempelajari kos pemadanan dan penyelarasan mendalam dari hujung ke hujung untuk keteguhan yang lebih besar
    • Mereka hanya berfungsi dalam skala kelabu
    • Mereka menghasilkan imej 2D dan bukannya 3D
  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