Quiz dotyczący generowania tekstu na 3D

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jaka była kluczowa innowacja DreamFusion (2022)?
   • Wykorzystano metodę Score Destillation Sampling do utworzenia obrazu 3D z modelu dyfuzyjnego 2D bez danych szkoleniowych 3D
   • Jako pierwszy skanował rzeczywiste obiekty za pomocą LiDAR-u
   • Trenował bezpośrednio na ogromnym, oznaczonym zbiorze danych siatki 3D
   • Generował modele 3D natychmiastowo, korzystając z jednego przejścia do przodu
2. Na czym polega „problem Janusa” przy przetwarzaniu tekstu na 3D?
   • Modele renderują się zbyt wolno, aby były przydatne
   • Wygenerowane obiekty pokazują wiele twarzy lub frontów pod różnymi kątami
   • Tekstury wydają się wyblakłe i szare
   • Format pliku 3D jest niezgodny z silnikami gier
3. Która para to wczesne modele przesyłania tekstu do 3D firmy OpenAI?
   • DALL-E i CLIP
   • Stabilna dyfuzja i Midjourney
   • Punkt-E i kształt-E
   • DreamFusion i Magic3D
4. Dlaczego wczesne metody oparte na optymalizacji, takie jak DreamFusion, były powolne?
   • Za każdym razem musieli pobierać modele z chmury
   • Domyślnie renderowali w rozdzielczości 8K
   • Wymagały ręcznego rzeźbienia pomiędzy stopniami
   • Zoptymalizowali oddzielną reprezentację 3D dla każdego obiektu w wielu iteracjach renderowania
5. Który format wyjściowy NIE jest typową reprezentacją 3D produkowaną przez te systemy?
   • Kształt fali audio MP3
   • Siatka wielokątna
   • Pole promieniowania (NeRF)
   • Chmura punktów
6. Co „spójność wielu widoków” nazywa wyzwaniem?
   • Ujednolicenie rozmiaru pliku we wszystkich eksportach
   • Zapewnienie, że obiekt wygląda spójnie i poprawnie pod każdym kątem kamery
   • Utrzymywanie podpowiedzi tekstowej poniżej limitu słów
   • Dopasowanie palety kolorystycznej do przewodnika po marce
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