Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący rozpowszechniania poglądów od zera do trzech

Zobacz, jak od zera do 3 odwzorowuje ruch kamery na nowy widok z jednego obrazu i jak model dyfuzji zachowuje tożsamość obiektu i drobne szczegóły.

Powiązane ścieżki prowadząceRozpowszechnianie nowatorskich poglądów od zera 1 do 3
Pytanie 1 z 8

Jakie podstawowe dane wejściowe są potrzebne od zera do trzech oprócz pojedynczego obrazu, aby wygenerować nowy widok?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Jakie podstawowe dane wejściowe są potrzebne od zera do trzech oprócz pojedynczego obrazu, aby wygenerować nowy widok?
    • Względna transformacja kamery (obrót i translacja)
    • Mapa głębi sceny
    • Drugie zdjęcie z innej perspektywy
    • Odręczny szkic widoku docelowego
  2. Od zera do trzech powstaje poprzez dostrojenie jakiego rodzaju modelu?
    • Grafowa sieć neuronowa
    • Model dyfuzji obrazu 2D (stabilna dyfuzja)
    • Model sekwencji rekurencyjnej
    • Klasyczne rozwiązanie konstrukcji z ruchu
  3. Dlaczego model dyfuzji 2D w ogóle może przeprowadzić syntezę nowatorskiego widoku zerowego?
    • Ponieważ przechowuje wewnętrznie wyraźne siatki 3D
    • Ponieważ podczas wnioskowania wykorzystuje dane LiDAR
    • Ponieważ nauczył się ukrytych założeń geometrycznych i fizycznych w wyniku treningu obrazowego na dużą skalę
    • Ponieważ dokładnie zapamiętuje każdy obraz treningowy
  4. Jaki zbiór danych obiektów 3D miał kluczowe znaczenie w szkoleniu od zera 1 do 3?
    • ImageNet
    • COKO
    • Sceny jazdy KITTI
    • Objaverse (syntetyczne renderowane obiekty)
  5. W jaki sposób podczas generacji zachowywane są drobne szczegóły obrazu źródłowego?
    • Poprzez połączenie kanałów obrazu wejściowego z szumem utajonym
    • Odrzucając go po obliczeniu podpisu
    • Używając tylko nazwy pliku jako etykiety
    • Najpierw konwertując go na skalę szarości
  6. Jakie jest powszechne dalsze wykorzystanie widoków wytwarzanych przez Zero 1 do 3?
    • Transkrypcja dźwięku
    • Rekonstrukcja modelu 3D lub siatki obiektu
    • Filtrowanie spamu
    • Prognoza cen akcji
  7. Which values describe the relative camera pose in Zero-1-to-3's conditioning?
    • Image brightness, contrast, and saturation
    • Object color, texture, and material
    • Azimuth, elevation, and radius
    • Frame rate, shutter speed, and aperture
  8. Which input representation does Zero-1-to-3 use to steer cross-attention with image semantics?
    • A depth map produced by a stereo camera pair
    • A mesh extracted from the final generated view
    • A class label that replaces the source image
    • A CLIP embedding combined with the relative camera pose