Gids-gekoppelde quiz · Middelmatig Niveau

Quiz voor het genereren van tekst naar 3D

Test DreamFusion-destillatie, NeRF-optimalisatie, Janus-artefacten, feed-forward-modellen, consistentie in meerdere weergaven en 3D-limieten.

Gerelateerde gidspadenTekst naar 3D-generatie
Vraag 1 van 8

Wat was de belangrijkste innovatie van DreamFusion (2022)?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat was de belangrijkste innovatie van DreamFusion (2022)?
    • Het gebruikte Score Distillation Sampling om 3D te maken van een 2D-diffusiemodel zonder 3D-trainingsgegevens
    • Het was de eerste die echte objecten scande met LiDAR
    • Het trainde rechtstreeks op een enorme gelabelde 3D mesh-dataset
    • Het genereerde onmiddellijk 3D-modellen met behulp van een enkele voorwaartse beweging
  2. Wat is het 'Janusprobleem' in tekst-naar-3D?
    • Modellen renderen te langzaam om bruikbaar te zijn
    • Gegenereerde objecten tonen meerdere gezichten of fronten vanuit verschillende hoeken
    • Texturen zien er vervaagd en grijs uit
    • Het 3D-bestandsformaat is niet compatibel met game-engines
  3. Welk paar waren de vroege tekst-naar-3D feed-forward-modellen van OpenAI?
    • DALL-E en CLIP
    • Stabiele diffusie en Midjourney
    • Punt-E en Shap-E
    • DreamFusion en Magic3D
  4. Waarom waren vroege op optimalisatie gebaseerde methoden zoals DreamFusion traag?
    • Ze moesten telkens modellen uit de cloud downloaden
    • Ze worden standaard weergegeven in een resolutie van 8K
    • Ze vereisten handmatig beeldhouwen tussen de stappen
    • Ze optimaliseerden een afzonderlijke 3D-weergave per object over vele rendering-iteraties
  5. Welk uitvoerformaat is GEEN typische 3D-weergave die door deze systemen wordt geproduceerd?
    • MP3-audiogolfvorm
    • Veelhoek gaas
    • Stralingsveld (NeRF)
    • Puntenwolk
  6. Wat wordt onder 'multi-view consistentie' een uitdaging genoemd?
    • De bestandsgrootte consistent maken voor alle exports
    • Ervoor zorgen dat het object er vanuit elke camerahoek coherent en correct uitziet
    • De tekstprompt binnen een woordlimiet houden
    • Het kleurenpalet afstemmen op een merkgids
  7. What representation does Shap-E directly generate?
    • Only a fixed-resolution RGB image
    • A text transcript with speaker labels
    • Parameters of implicit functions that can render as textured meshes or neural radiance fields
    • A single unstructured audio waveform
  8. How does the Point-E paper’s two-stage system produce a 3D point cloud?
    • A 3D artist manually models every prompt
    • A NeRF is optimized from scratch using hundreds of camera views
    • A classifier predicts a file extension without generating geometry
    • A text-to-image model first generates a synthetic view, then an image-conditioned diffusion model produces a point cloud