Gids-gekoppelde quiz · Middelmatig Niveau

Instant-NGP hashcoderingsquiz

Test hoe Instant-NGP's hash-rasters met meerdere resoluties, trilineaire functies en kleine MLP de neurale graphics versnellen en tegelijkertijd het geheugen beheren.

Gerelateerde gidspadenInstant Ngp-hashcodering
Vraag 1 van 8

Wat is het belangrijkste knelpunt in klassieke NeRF's waarop Instant-NGP zich richt?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat is het belangrijkste knelpunt in klassieke NeRF's waarop Instant-NGP zich richt?
    • De grote MLP bevroeg miljoenen keren per scène
    • Netwerkbandbreedte voor streaming
    • De vernieuwingsfrequentie van het beeldscherm
    • Audiosynchronisatie
  2. Waar slaat Instant-NGP de meeste leerbare parameters op?
    • In één dicht voxelraster
    • In een hashtabel met meerdere resoluties van kenmerkvectoren
    • In de intrinsieke camera
    • Alleen binnen een zeer diepe MLP
  3. Hoe worden functies gecombineerd over de meerdere resolutieniveaus?
    • Ze worden gemiddeld in één scalair
    • Ze zijn alfabetisch gesorteerd
    • Ze worden opgezocht, trilineair geïnterpoleerd en vervolgens aaneengeschakeld
    • Ze worden weggegooid, behalve het hoogste niveau
  4. Hoe gaat Instant-NGP om met hash-botsingen in de tabellen met fijne resolutie?
    • Het verbiedt botsingen volledig met een enorme tafel
    • Het crasht wanneer er botsingen plaatsvinden
    • Het hasheert alleen kleuren, nooit posities
    • Het laat botsingen gebeuren en vertrouwt op trainingsgradiënten om ondubbelzinnig te maken
  5. Hoeveel versnelt Instant-NGP ongeveer de NeRF-training?
    • Van uren tot seconden (ordes van grootte)
    • Het is eigenlijk langzamer
    • Ongeveer 5 procent sneller
    • Geen verandering, alleen betere kwaliteit
  6. Wat kan hash-grid-codering, afgezien van NeRF's, nog meer vertegenwoordigen?
    • Alleen gedrukte tekst
    • Ondertekende afstandsfuncties en gigapixelafbeeldingen
    • Alleen aandelengrafieken
    • Alleen audiogolfvormen
  7. Why does Instant-NGP allow different fine-grid cells to share a hash-table entry?
    • To make every spatial coordinate map to a unique table entry
    • To remove the need for trainable feature vectors
    • To keep the feature tables bounded in memory while representing higher-resolution spatial detail
    • To replace all grid levels with one full-resolution dense array
  8. How do Instant-NGP's resolution levels balance collisions and spatial detail?
    • Every level uses one dense grid with no feature table
    • Coarse levels share all entries while fine levels are guaranteed collision-free
    • Only the highest-resolution level stores learnable features
    • Coarse levels can be collision-free while finer levels share entries to represent more detail within bounded memory