Questionário vinculado ao guia · Médio Nível
Questionário de difusão de visualização de romance zero-1 a 3
Revise como Zero-1-to-3 mapeia o movimento da câmera em uma nova visualização a partir de uma imagem e como seu modelo de difusão preserva a identidade do objeto e os detalhes finos.
Pergunta 1 de 8
Qual é a entrada principal que Zero-1 a 3 precisa além de uma única imagem para gerar uma nova visualização?
Visualize cada pergunta8 perguntas
As respostas e explicações aparecem conforme você responde ao teste.
- Qual é a entrada principal que Zero-1 a 3 precisa além de uma única imagem para gerar uma nova visualização?
- Uma transformação relativa da câmera (rotação e translação)
- Um mapa de profundidade da cena
- Uma segunda foto de outro ângulo
- Um esboço desenhado à mão da vista alvo
- Zero-1 a 3 é construído ajustando que tipo de modelo?
- Uma rede neural gráfica
- Um modelo de difusão de imagem 2D (Difusão Estável)
- Um modelo de sequência recorrente
- Um solucionador clássico de estrutura a partir de movimento
- Por que um modelo de difusão 2D pode realizar uma nova síntese de visão zero?
- Porque armazena malhas 3D explícitas internamente
- Porque usa dados LiDAR durante a inferência
- Porque aprendeu antecedentes geométricos e físicos implícitos no treinamento de imagens em grande escala
- Porque memoriza exatamente cada imagem de treinamento
- Qual conjunto de dados de objetos 3D foi fundamental para o treinamento de Zero-1 a 3?
- ImageNet
- COCO
- Cenas de direção de KITTI
- Objaverse (objetos renderizados sintéticos)
- Como os detalhes da imagem de origem são preservados na geração?
- Ao concatenar o canal da imagem de entrada com o sinal latente ruidoso
- Descartando-o após calcular uma legenda
- Usando apenas o nome do arquivo como rótulo
- Convertendo-o primeiro para escala de cinza
- Qual é um uso downstream comum das visualizações que Zero-1 a 3 produz?
- Transcrição de áudio
- Reconstruindo um modelo 3D ou malha do objeto
- Filtragem de e-mail de spam
- Previsão do preço das ações
- 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
- 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