Test legat de ghid · Greu Nivel
Test stereo cu mai multe vizualizări
Verifică intrările camerei MVS, coerența foto, estimarea adâncimii, geometria rară versus densă și distincția de ajustare a fasciculului.
Întrebare 1 de 8
Ce presupune de obicei Multi-View Stereo că este deja cunoscut înainte de a începe?
Previzualizează fiecare întrebare8 întrebări
Răspunsurile și explicațiile apar pe măsură ce susțineți testul.
- Ce presupune de obicei Multi-View Stereo că este deja cunoscut înainte de a începe?
- Camera pozează pentru fiecare imagine
- Rețeaua finală 3D
- Culorile fiecărei suprafețe
- Numele obiectelor din scenă
- Ce principiu de bază folosește MVS pentru a găsi puncte 3D corecte?
- Maximizarea luminozității imaginii
- Coerența foto în mai multe vizualizări
- Minimizarea dimensiunii fișierului
- Eșantionarea aleatorie a pixelilor
- Cum diferă MVS de rezultatul Structure from Motion?
- MVS funcționează doar pe o singură imagine
- MVS ignoră complet pozițiile camerei
- MVS produce adâncime densă per pixel, în timp ce SfM oferă un nor de puncte rar
- MVS scoate audio în loc de geometrie
- Ce face stereo cu matura cu avionul?
- Rotește camera fizic
- Îndepărtează praful de pe lentilă
- Sortează imaginile în ordine alfabetică
- Mătură un plan virtual prin adâncime și găsește locurile în care vederile se potrivesc cel mai bine
- Ce suprafețe sunt deosebit de provocatoare pentru MVS?
- Suprafețe fără textura și reflectorizante
- Suprafețe vopsite viu colorate
- Suprafețe de piatră brută
- Orice cu margini ascuțite
- Cum se îmbunătățesc metodele bazate pe învățare precum MVSNet față de MVS clasic?
- Îndepărtează necesitatea oricăror camere
- Ei învață costurile de potrivire și regularizarea în profunzime de la capăt la capăt pentru o mai mare robustețe
- Ele funcționează doar în tonuri de gri
- Ei produc imagini 2D în loc de 3D
- How may an MVS system compare a hypothesized depth across neighboring views?
- Compare only the file names
- Use the language-model perplexity
- Warp image patches and measure their appearance agreement, for example with normalized cross-correlation
- Count camera metadata fields
- After per-image depth maps are estimated, what can MVS do with them?
- Convert them into language tokens
- Replace the camera poses with labels
- Discard all cross-view information
- Fuse them into a denser point cloud or mesh and filter inconsistencies