Викторина по преобразованию текста в 3D

Ответы и пояснения появляются по мере прохождения теста.

1. В чем заключалось главное нововведение DreamFusion (2022)?
   • Он использовал Score Distillation Sampling для создания 3D-изображений из 2D-модели диффузии без 3D-данных обучения.
   • Он первым сканировал реальные объекты с помощью LiDAR.
   • Он обучался непосредственно на огромном наборе данных 3D-сетки с разметкой.
   • Он мгновенно создавал 3D-модели, используя один прямой проход.
2. В чем заключается «проблема Януса» при преобразовании текста в 3D?
   • Модели рендерятся слишком медленно, чтобы быть полезными.
   • Сгенерированные объекты показывают несколько граней или фронтов под разными углами.
   • Текстуры кажутся размытыми и серыми.
   • Формат 3D-файла несовместим с игровыми движками.
3. Какая пара представляла собой ранние модели преобразования текста в 3D с прямой связью OpenAI?
   • ДАЛЛ-И и КЛИП
   • Стабильная диффузия и Midjourney
   • Точка-Э и Шап-И
   • DreamFusion и Magic3D
4. Почему ранние методы оптимизации, такие как DreamFusion, были медленными?
   • Им приходилось каждый раз загружать модели из облака
   • По умолчанию они отображаются в разрешении 8K.
   • Между этапами требовалась ручная лепка.
   • Они оптимизировали отдельное 3D-представление для каждого объекта за множество итераций рендеринга.
5. Какой выходной формат НЕ является типичным трехмерным представлением, создаваемым этими системами?
   • Форма аудиосигнала MP3
   • Полигональная сетка
   • Поле излучения (NeRF)
   • Облако точек
6. Что «согласованность нескольких представлений» называет проблемой?
   • Обеспечение единообразия размера файла при экспорте
   • Обеспечение целостного и правильного вида объекта со всех ракурсов камеры.
   • Сохранение ограничения на количество слов в текстовом приглашении
   • Соответствие цветовой палитры руководству бренда
7. Какое представление непосредственно генерирует Shap-E?
   • Только изображение RGB с фиксированным разрешением.
   • Текстовая расшифровка с именами докладчиков
   • Параметры неявных функций, которые могут отображаться в виде текстурированных сеток или полей нейронного излучения.
   • Одиночный неструктурированный звуковой сигнал
8. Как двухэтапная система бумаги Point-E создает трехмерное облако точек?
   • 3D-художник вручную моделирует каждую подсказку.
   • NeRF оптимизирован с нуля с использованием сотен изображений с камер.
   • Классификатор прогнозирует расширение файла без создания геометрии.
   • Модель преобразования текста в изображение сначала создает синтетическое представление, затем модель диффузии с учетом изображения создает облако точек.