แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการแพร่กระจายมุมมองนวนิยายแบบ Zero-1 ถึง 3

ตรวจสอบว่า Zero-1-to-3 จับคู่การเคลื่อนไหวของกล้องในมุมมองใหม่จากภาพเดียวได้อย่างไร และวิธีที่โมเดลการแพร่กระจายของโมเดลรักษาเอกลักษณ์ของวัตถุและรายละเอียดปลีกย่อย

คำถาม 1 ของ 8

อินพุตหลักที่ Zero-1-to-3 ต้องการคืออะไรนอกเหนือจากภาพเดียวเพื่อสร้างมุมมองใหม่

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. อินพุตหลักที่ Zero-1-to-3 ต้องการคืออะไรนอกเหนือจากภาพเดียวเพื่อสร้างมุมมองใหม่
    • การแปลงกล้องแบบสัมพัทธ์ (การหมุนและการแปล)
    • แผนที่เชิงลึกของที่เกิดเหตุ
    • ภาพที่สองจากอีกมุมหนึ่ง
    • ภาพร่างที่วาดด้วยมือของมุมมองเป้าหมาย
  2. Zero-1-to-3 ถูกสร้างขึ้นโดยการปรับแต่งรุ่นใด?
    • โครงข่ายประสาทเทียมแบบกราฟ
    • รูปแบบการแพร่กระจายภาพ 2 มิติ (Stable Diffusion)
    • แบบจำลองลำดับที่เกิดซ้ำ
    • ตัวแก้ปัญหาโครงสร้างจากการเคลื่อนไหวแบบคลาสสิก
  3. เหตุใดโมเดลการแพร่กระจาย 2 มิติจึงสามารถทำการสังเคราะห์มุมมองใหม่แบบ Zero-shot ได้เลย
    • เพราะมันจัดเก็บ 3D mesh ที่ชัดเจนไว้ภายใน
    • เนื่องจากใช้ข้อมูล LiDAR ระหว่างการอนุมาน
    • เพราะมันได้เรียนรู้เรขาคณิตและกายภาพโดยปริยายจากการฝึกอบรมภาพขนาดใหญ่
    • เพราะมันจดจำภาพการฝึกทุกภาพได้แม่นยำ
  4. ชุดข้อมูลใดของวัตถุ 3 มิติที่เป็นศูนย์กลางในการฝึกอบรม Zero-1-to-3
    • อิมเมจเน็ต
    • โคโค่
    • ฉากขับรถ กิตติ
    • Objaverse (วัตถุที่เรนเดอร์สังเคราะห์)
  5. รายละเอียดเล็กๆ น้อยๆ ของภาพต้นฉบับจะคงอยู่ในยุคนี้ได้อย่างไร
    • โดยการเชื่อมช่องสัญญาณภาพอินพุตเข้ากับค่าแฝงที่มีสัญญาณรบกวน
    • โดยทิ้งไปหลังจากคำนวณคำบรรยายแล้ว
    • โดยใช้เพียงชื่อไฟล์เป็นป้ายกำกับ
    • โดยแปลงเป็นโทนสีเทาก่อน
  6. การใช้ดาวน์สตรีมทั่วไปของมุมมองที่ Zero-1-to-3 สร้างขึ้นคืออะไร
    • การถอดเสียง
    • การสร้างโมเดล 3 มิติหรือตาข่ายของวัตถุขึ้นมาใหม่
    • การกรองอีเมลขยะ
    • การทำนายราคาหุ้น
  7. Which values describe the relative camera pose in Zero-1-to-3's conditioning?
    • Image brightness, contrast, and saturation
    • Object color, texture, and material
    • Azimuth, elevation, and radius
    • Frame rate, shutter speed, and aperture
  8. Which input representation does Zero-1-to-3 use to steer cross-attention with image semantics?
    • A depth map produced by a stereo camera pair
    • A mesh extracted from the final generated view
    • A class label that replaces the source image
    • A CLIP embedding combined with the relative camera pose