Quiz dotyczący rekonstrukcji 3D DUSt3R

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jakiej kluczowej informacji NIE wymaga DUSt3R jako danych wejściowych, w przeciwieństwie do klasycznej konstrukcji z ruchu?
   • Znane pozycje aparatu i kalibracja
   • W ogóle jakiekolwiek obrazy
   • Karta graficzna
   • Pokoloruj obrazy
2. Jaki jest centralny wynik regresji sieci DUSt3R dla każdego obrazu?
   • Podpis tekstowy
   • Mapa punktów ze współrzędnymi 3D na piksel
   • Obwiednia
   • Maska segmentacyjna
3. W parze obrazów DUSt3R, w jakim układzie współrzędnych wyrażone są obie mapy punktów?
   • Losowa ramka globalna
   • Współrzędne GPS świata
   • Układ współrzędnych pierwszej kamery
   • Dla każdego obrazu osobna ramka
4. How can DUSt3R produce camera poses and pixel matches without receiving them as known input?
   • A separate calibration rig must provide every pose
   • Human annotators label each pixel correspondence
   • The model cannot produce either output
   • They can be recovered downstream from the predicted pointmaps and their alignment
5. W jaki sposób DUSt3R obsługuje więcej niż dwa obrazy wejściowe?
   • Wykonuje globalne wyrównanie, łącząc ze sobą mapy punktów parami
   • Ignoruje wszystkie oprócz dwóch
   • Uśrednia obrazy w jedno zdjęcie
   • Wymaga oddzielnej sieci dla każdego obrazu
6. Która metoda uzupełniająca rozszerza DUSt3R o silniejsze gęste dopasowanie?
   • ResNet
   • MASt3R
   • Stable Diffusion
   • NeRF
7. What additional per-pixel output accompanies DUSt3R pointmaps?
   • A speech transcript
   • A musical pitch label
   • A confidence map
   • A JPEG compression code
8. What model architecture does DUSt3R use to process image pairs?
   • A rule-based camera calibration script only
   • A convolutional audio vocoder
   • A database query engine
   • Transformer encoders and decoders with cross-view processing