Gids-gekoppelde quiz · Middelmatig Niveau

Differentieerbare weergavequiz

Bekijk differentieerbare weergavegradiënten, zichtbaarheid en silhouetten, zachte rastering, inverse weergave en randbemonstering.

Gerelateerde gidspadenDifferentieerbare weergave
Vraag 1 van 8

Wat kunt u met differentieerbare weergave berekenen?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat kunt u met differentieerbare weergave berekenen?
    • Verlopen van uitvoerpixels met betrekking tot scèneparameters zoals geometrie en materialen
    • Een sneller ray-tracing-algoritme zonder gradiënten
    • Audio van een 3D-scène
    • Gecomprimeerde videobestanden van animaties
  2. Waarom zijn objectsilhouetten een kernprobleem bij differentieerbare weergave?
    • Op echte foto's zijn ze altijd wazig
    • Ze veroorzaken discontinuïteiten in de zichtbaarheid waarbij pixels abrupt verspringen, waardoor er geen bruikbare naïeve gradiënt ontstaat
    • Ze vereisen meer geheugen dan gladde oppervlakken
    • Ze veranderen het bestandsformaat van de uitvoer
  3. Hoe pakt zachte rasterisatie het discontinuïteitprobleem aan?
    • Het verwijdert alle randen van de scène
    • Het verhoogt de resolutie totdat de randen verdwijnen
    • Het zorgt ervoor dat driehoeken een vloeiende, wazige voetafdruk geven aan nabijgelegen pixels
    • Het geeft alleen de achtergrond weer
  4. Wat is 'omgekeerde weergave'?
    • Een scène ondersteboven renderen
    • 2D-beelden omzetten naar audio
    • Alleen 's nachts renderen
    • Herstellen van scèneparameters (vorm, materialen, verlichting) uit afbeeldingen
  5. Welke moderne techniek is voor training afhankelijk van differentieerbare weergave?
    • 3D Gaussiaanse splatting en NeRF's
    • JPEG-compressie
    • MP3-codering
    • Draaitabellen in spreadsheets
  6. Wat wil de 'edge sampling'-benadering (zoals in redner) vastleggen?
    • De gemiddelde kleur van de hele afbeelding
    • De grensterm van de weergave-integraal bij discontinuïteiten
    • De framesnelheid van een animatie
    • De compressieverhouding van een textuur
  7. What does the original NeRF network predict from a 3D location and viewing direction?
    • A binary object label and no appearance information
    • A scene’s legal ownership and camera price
    • Volume density and view-dependent emitted radiance
    • A single pixel mask with no view dependence
  8. What scene representation does 3D Gaussian Splatting optimize for real-time radiance-field rendering?
    • A single triangle silhouette for the entire scene
    • A text-only prompt with no geometric representation
    • A depth map with no color or camera information
    • A set of 3D Gaussians with position, covariance, opacity, and appearance parameters