แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบฟิลด์ Plenoxels และ Voxel Radiance

ทดสอบว่า Plenoxels เก็บเรเดียนซ์ในโวกซ์แบบกระจาย, ปรับค่าสัมประสิทธิ์โดยไม่ใช้ MLP, และทำให้การแสดงผลเป็นระเบียบอย่างไร

เส้นทางแนะนำที่เกี่ยวข้องสนามเพลน็อกซ์เซลและวอกเซลเรเดียนซ์
คำถาม 1 ของ 8

อะไรคือตัวเลือกการออกแบบที่น่าประหลาดใจที่สุดใน Plenoxels เมื่อเปรียบเทียบกับ NeRF?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. อะไรคือตัวเลือกการออกแบบที่น่าประหลาดใจที่สุดใน Plenoxels เมื่อเปรียบเทียบกับ NeRF?
    • มันไม่ใช้โครงข่ายประสาทเทียมเลย
    • มันใช้โครงข่ายประสาทเทียมที่ลึกกว่ามาก
    • มันใช้งานได้ในรูปแบบ 2D เท่านั้น
    • ต้องใช้เครื่องสแกน LiDAR
  2. แต่ละ voxel ที่ถูกครอบครองใน Plenoxels เก็บอะไรเพื่อจับภาพสีที่ขึ้นกับมุมมอง
    • แผนที่พื้นผิว RGB เต็มรูปแบบ
    • ค่าสัมประสิทธิ์ฮาร์มอนิกทรงกลม
    • โครงข่ายประสาทเทียมที่แยกจากกัน
    • ค่าความลึกเท่านั้น
  3. What optimization-time comparison did the Plenoxels paper report on its evaluated benchmarks?
    • Exactly the same optimization time on every scene
    • About two orders of magnitude slower in all cases
    • About two orders of magnitude faster than NeRF in the reported settings
    • No measurable difference under any setup
  4. ค่าที่ดึงมาจากตาราง voxel ตามแนวรังสีเป็นอย่างไร
    • ค้นหาเพื่อนบ้านที่ใกล้ที่สุดเท่านั้น
    • การสุ่มตัวอย่าง
    • ตัวกรองแบบหมุนวน
    • การประมาณค่าแบบไตรลิเนียร์
  5. What conclusion is supported by Plenoxels’ benchmark results?
    • An explicit sparse grid can achieve NeRF-comparable results on the evaluated tasks without an MLP
    • Neural networks are never useful for 3D vision
    • Voxels always outperform every neural representation
    • Volume rendering requires no optimization
  6. เพื่อให้มีประสิทธิภาพอยู่เสมอ Plenoxels voxel grid ถูกจัดเก็บอย่างไร
    • เป็นก้อนที่อัดแน่นเต็มไปหมด
    • เนื่องจากตารางกระจัดกระจายทำให้มีเพียง voxels ที่ถูกครอบครองเท่านั้น
    • เป็นภาพแบนๆ เดียว
    • เป็นเฟรมวิดีโอที่ถูกบีบอัด
  7. What regularizer did the Plenoxels paper use to encourage spatial smoothness?
    • การสูญเสียการรู้จำเสียงพูด
    • A KL penalty between language models
    • A total-variation regularizer on voxel coefficients
    • A bitrate constraint on rendered images
  8. What does “Plenoxels” expand to?
    • Planar neural outputs
    • Perceptual linear voxels
    • Point-level network samples
    • Plenoptic voxels