Quiz połączony z przewodnikiem · Średni Poziom
Quiz dotyczący syntezy nowatorskiego spojrzenia
Zbadaj pola radiancji, renderowanie promieni, prymitywy Gaussa, nadzór fotometryczny, kodowanie pozycyjne oraz efektywne reprezentacje siatek haszujących.
Pytanie 1 z 8
Given photos of a scene, what does novel view synthesis try to produce?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Given photos of a scene, what does novel view synthesis try to produce?
- Aby skompresować obrazy do mniejszych plików
- Aby przetłumaczyć podpisy obrazów na inne języki
- Aby wykryć obiekty na pojedynczym zdjęciu
- Aby wyrenderować scenę z punktów widzenia kamery, które nie zostały oryginalnie przechwycone
- Do czego służy neuronowe pole promieniowania (NeRF) odwzorowujące pozycję 3D i kierunek patrzenia?
- Opis tekstowy
- Kolor (blask) i gęstość objętościowa
- Numer seryjny aparatu
- Skompresowany sygnał audio
- W jaki sposób NeRF renderuje piksel dla nowego widoku?
- Kopiując bezpośrednio najbliższy obraz treningowy
- Uśredniając wszystkie piksele w zbiorze danych
- Poprzez wolumetryczny marsz promieni: próbkowanie punktów wzdłuż promienia i integrowanie koloru i gęstości
- Uruchamiając optyczne rozpoznawanie znaków
- What distinguishes 3D Gaussian Splatting's scene representation from an original NeRF-style per-ray network evaluation?
- Explicit 3D Gaussian primitives rendered through a differentiable rasterization approach
- A representation containing no scene parameters or image observations
- Only a table of audio phonemes
- A method that copies a single input photo for every viewpoint
- Dlaczego metody NVS mogą odtwarzać odbicia i błyszczące refleksy?
- Całkowicie ignorują oświetlenie
- Modelują wygląd zależny od widoku, więc kolor może zmieniać się w zależności od kierunku patrzenia
- Renderują tylko w skali szarości
- Używają współrzędnych GPS
- What representation technique is central to Instant-NGP's acceleration of neural graphics tasks?
- Removing all input observations from training
- Converting the scene into a spreadsheet of filenames
- A guarantee of the same training time for every scene
- A multiresolution hash encoding
- What supplies the photometric training target in original NeRF scene optimization?
- Observed pixel colors in the training images, compared with rendered colors
- A required ground-truth 3D mesh for every scene
- Only the scene's written caption
- Only the final image's file size
- Why did original NeRF use positional encoding on its coordinate inputs?
- To identify the camera's serial number
- To supply surveyed coordinates without measurements
- To help the network represent high-frequency spatial and directional variation
- To eliminate every need for a radiance-field network