Викторина, связанная с руководством · Средний Уровень

Викторина по мгновенному хэш-кодированию NGP

Проверьте, как хеш-сетки с несколькими разрешениями, трилинейные функции и крошечный MLP Instant-NGP ускоряют работу нейронной графики при управлении памятью.

Связанные направляющие путиМгновенное хеш-кодирование Ngp
Вопрос 1 из 8

Каково основное узкое место в классических NeRF, на которые нацелен Instant-NGP?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Каково основное узкое место в классических NeRF, на которые нацелен Instant-NGP?
    • Большой MLP запрашивался миллионы раз за сцену
    • Пропускная способность сети для потоковой передачи
    • Частота обновления дисплея
    • Синхронизация звука
  2. Где Instant-NGP хранит большую часть своих обучаемых параметров?
    • В единой плотной сетке вокселей
    • В хеш-таблице векторов признаков с мультиразрешением
    • В настройках камеры
    • Только внутри очень глубокого МЛП
  3. Как функции объединяются на разных уровнях разрешения?
    • Они усредняются в один скаляр
    • Они отсортированы по алфавиту
    • Они просматриваются, трилинейно интерполируются, а затем объединяются.
    • Они отбрасываются, за исключением самого высокого уровня.
  4. Как Instant-NGP обрабатывает хеш-коллизии в своих таблицах с высоким разрешением?
    • Он полностью запрещает столкновения с огромной таблицей.
    • Вылетает при столкновении
    • Он хеширует только цвета, но не позиции.
    • Он позволяет случаться коллизиям и полагается на обучающие градиенты для устранения неоднозначности.
  5. Насколько примерно Instant-NGP ускоряет обучение NeRF?
    • От часов до секунд (порядки величин)
    • На самом деле это медленнее
    • Примерно на 5 процентов быстрее
    • Никаких изменений, только лучшее качество
  6. Что еще может представлять собой кодирование хеш-сетки, помимо NeRF?
    • Только печатный текст
    • Функции знакового расстояния и гигапиксельные изображения
    • Только биржевые графики
    • Только звуковые сигналы
  7. Why does Instant-NGP allow different fine-grid cells to share a hash-table entry?
    • To make every spatial coordinate map to a unique table entry
    • To remove the need for trainable feature vectors
    • To keep the feature tables bounded in memory while representing higher-resolution spatial detail
    • To replace all grid levels with one full-resolution dense array
  8. How do Instant-NGP's resolution levels balance collisions and spatial detail?
    • Every level uses one dense grid with no feature table
    • Coarse levels share all entries while fine levels are guaranteed collision-free
    • Only the highest-resolution level stores learnable features
    • Coarse levels can be collision-free while finer levels share entries to represent more detail within bounded memory