แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการสร้างข้อความเป็น 3D
ทดสอบการกลั่น DreamFusion, การเพิ่มประสิทธิภาพ NeRF, อาร์ติแฟกต์ Janus, โมเดลฟีดฟอร์เวิร์ด, ความสอดคล้องหลายมุมมอง และขีดจำกัด 3 มิติ
คำถาม 1 ของ 8
นวัตกรรมหลักของ DreamFusion (2022) คืออะไร
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- นวัตกรรมหลักของ DreamFusion (2022) คืออะไร
- ใช้การสุ่มตัวอย่างการกลั่นด้วยคะแนนเพื่อสร้าง 3 มิติจากแบบจำลองการแพร่กระจาย 2 มิติ โดยไม่มีข้อมูลการฝึก 3 มิติ
- เป็นคนแรกที่สแกนวัตถุจริงด้วย LiDAR
- โดยจะฝึกฝนโดยตรงบนชุดข้อมูล 3D mesh ที่มีป้ายกำกับขนาดใหญ่
- มันสร้างโมเดล 3 มิติทันทีโดยใช้การส่งต่อครั้งเดียว
- 'ปัญหาเจนัส' ในการแปลงข้อความเป็น 3 มิติคืออะไร
- โมเดลแสดงผลช้าเกินกว่าจะมีประโยชน์
- วัตถุที่สร้างขึ้นจะแสดงหลายใบหน้าหรือด้านหน้าจากมุมที่ต่างกัน
- พื้นผิวดูซีดจางและเป็นสีเทา
- รูปแบบไฟล์ 3D เข้ากันไม่ได้กับเอ็นจิ้นเกม
- คู่ใดคือโมเดลการส่งต่อข้อความเป็น 3D ยุคแรกของ OpenAI
- DALL-E และคลิป
- การแพร่กระจายที่เสถียรและ Midjourney
- จุด-E และ Shap-E
- DreamFusion และ Magic3D
- เหตุใดวิธีการเพิ่มประสิทธิภาพในช่วงแรกอย่าง DreamFusion จึงช้า
- พวกเขาต้องดาวน์โหลดโมเดลจากระบบคลาวด์ทุกครั้ง
- พวกเขาแสดงผลด้วยความละเอียด 8K ตามค่าเริ่มต้น
- พวกเขาต้องการการแกะสลักด้วยมือระหว่างขั้นตอนต่างๆ
- พวกเขาปรับการแสดง 3D แยกต่อวัตถุให้เหมาะสมผ่านการทำซ้ำการเรนเดอร์หลายครั้ง
- รูปแบบเอาต์พุตใดที่ไม่ใช่การแสดง 3D ทั่วไปที่สร้างโดยระบบเหล่านี้
- รูปคลื่นเสียง MP3
- ตาข่ายรูปหลายเหลี่ยม
- สนามเรเดียนซ์ (NeRF)
- เมฆจุด
- 'ความสอดคล้องหลายมุมมอง' เรียกว่าอะไรคือความท้าทาย
- ทำให้ขนาดไฟล์สอดคล้องกันในการส่งออก
- ตรวจสอบให้แน่ใจว่าวัตถุดูสอดคล้องกันและถูกต้องจากทุกมุมกล้อง
- รักษาข้อความแจ้งให้อยู่ภายใต้ขีดจำกัดคำ
- จับคู่จานสีกับคู่มือแบรนด์
- What representation does Shap-E directly generate?
- Only a fixed-resolution RGB image
- A text transcript with speaker labels
- Parameters of implicit functions that can render as textured meshes or neural radiance fields
- A single unstructured audio waveform
- How does the Point-E paper’s two-stage system produce a 3D point cloud?
- A 3D artist manually models every prompt
- A NeRF is optimized from scratch using hundreds of camera views
- A classifier predicts a file extension without generating geometry
- A text-to-image model first generates a synthetic view, then an image-conditioned diffusion model produces a point cloud