แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการสร้างข้อความเป็น 3D

ทดสอบการกลั่น DreamFusion, การเพิ่มประสิทธิภาพ NeRF, อาร์ติแฟกต์ Janus, โมเดลฟีดฟอร์เวิร์ด, ความสอดคล้องหลายมุมมอง และขีดจำกัด 3 มิติ

เส้นทางแนะนำที่เกี่ยวข้องข้อความถึงการสร้าง 3 มิติ
คำถาม 1 ของ 8

นวัตกรรมหลักของ DreamFusion (2022) คืออะไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. นวัตกรรมหลักของ DreamFusion (2022) คืออะไร
    • ใช้การสุ่มตัวอย่างการกลั่นด้วยคะแนนเพื่อสร้าง 3 มิติจากแบบจำลองการแพร่กระจาย 2 มิติ โดยไม่มีข้อมูลการฝึก 3 มิติ
    • เป็นคนแรกที่สแกนวัตถุจริงด้วย LiDAR
    • โดยจะฝึกฝนโดยตรงบนชุดข้อมูล 3D mesh ที่มีป้ายกำกับขนาดใหญ่
    • มันสร้างโมเดล 3 มิติทันทีโดยใช้การส่งต่อครั้งเดียว
  2. 'ปัญหาเจนัส' ในการแปลงข้อความเป็น 3 มิติคืออะไร
    • โมเดลแสดงผลช้าเกินกว่าจะมีประโยชน์
    • วัตถุที่สร้างขึ้นจะแสดงหลายใบหน้าหรือด้านหน้าจากมุมที่ต่างกัน
    • พื้นผิวดูซีดจางและเป็นสีเทา
    • รูปแบบไฟล์ 3D เข้ากันไม่ได้กับเอ็นจิ้นเกม
  3. คู่ใดคือโมเดลการส่งต่อข้อความเป็น 3D ยุคแรกของ OpenAI
    • DALL-E และคลิป
    • การแพร่กระจายที่เสถียรและ Midjourney
    • จุด-E และ Shap-E
    • DreamFusion และ Magic3D
  4. เหตุใดวิธีการเพิ่มประสิทธิภาพในช่วงแรกอย่าง DreamFusion จึงช้า
    • พวกเขาต้องดาวน์โหลดโมเดลจากระบบคลาวด์ทุกครั้ง
    • พวกเขาแสดงผลด้วยความละเอียด 8K ตามค่าเริ่มต้น
    • พวกเขาต้องการการแกะสลักด้วยมือระหว่างขั้นตอนต่างๆ
    • พวกเขาปรับการแสดง 3D แยกต่อวัตถุให้เหมาะสมผ่านการทำซ้ำการเรนเดอร์หลายครั้ง
  5. รูปแบบเอาต์พุตใดที่ไม่ใช่การแสดง 3D ทั่วไปที่สร้างโดยระบบเหล่านี้
    • รูปคลื่นเสียง MP3
    • ตาข่ายรูปหลายเหลี่ยม
    • สนามเรเดียนซ์ (NeRF)
    • เมฆจุด
  6. 'ความสอดคล้องหลายมุมมอง' เรียกว่าอะไรคือความท้าทาย
    • ทำให้ขนาดไฟล์สอดคล้องกันในการส่งออก
    • ตรวจสอบให้แน่ใจว่าวัตถุดูสอดคล้องกันและถูกต้องจากทุกมุมกล้อง
    • รักษาข้อความแจ้งให้อยู่ภายใต้ขีดจำกัดคำ
    • จับคู่จานสีกับคู่มือแบรนด์
  7. 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
  8. 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