Quiz połączony z przewodnikiem · Średni Poziom
Quiz o polach promieniowania plenokseli i wokseli
Przetestuj, jak Plenoxels przechowuje radiancję w rzadkich wokselach, optymalizuje współczynniki bez użycia MLP i regularyzuje reprezentację.
Pytanie 1 z 8
Jaki jest najbardziej zaskakujący wybór projektu Plenoxels w porównaniu z NeRF?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Jaki jest najbardziej zaskakujący wybór projektu Plenoxels w porównaniu z NeRF?
- W ogóle nie korzysta z sieci neuronowej
- Wykorzystuje znacznie głębszą sieć neuronową
- Działa tylko w 2D
- Wymaga skanerów LiDAR
- Co przechowuje każdy zajęty woksel w Plenoxels, aby uchwycić kolor zależny od widoku?
- Pełna mapa tekstur RGB
- Sferyczne współczynniki harmoniczne
- Oddzielna sieć neuronowa
- Tylko wartość głębokości
- What optimization-time comparison did the Plenoxels paper report on its evaluated benchmarks?
- Exactly the same optimization time on every scene
- About two orders of magnitude slower in all cases
- About two orders of magnitude faster than NeRF in the reported settings
- No measurable difference under any setup
- W jaki sposób wartości są pobierane z siatki wokseli wzdłuż promienia?
- Tylko wyszukiwanie najbliższego sąsiada
- Losowe pobieranie próbek
- Filtr splotowy
- Interpolacja trójliniowa
- What conclusion is supported by Plenoxels’ benchmark results?
- An explicit sparse grid can achieve NeRF-comparable results on the evaluated tasks without an MLP
- Neural networks are never useful for 3D vision
- Voxels always outperform every neural representation
- Volume rendering requires no optimization
- W jaki sposób przechowywana jest siatka wokseli Plenoxels, aby zachować wydajność?
- Jako gęsta, całkowicie wypełniona kostka
- Jako rzadka siatka zawierająca tylko zajęte woksele
- Jako pojedynczy płaski obraz
- Jako skompresowane klatki wideo
- What regularizer did the Plenoxels paper use to encourage spatial smoothness?
- Utrata rozpoznawania mowy
- A KL penalty between language models
- A total-variation regularizer on voxel coefficients
- A bitrate constraint on rendered images
- What does “Plenoxels” expand to?
- Planar neural outputs
- Perceptual linear voxels
- Point-level network samples
- Plenoptic voxels