Anında-NGP Karma Kodlama Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Instant-NGP'nin hedeflediği klasik NeRF'lerdeki ana darboğaz nedir?
   • Büyük MLP, sahne başına milyonlarca kez sorgulandı
   • Akış için ağ bant genişliği
   • Ekran yenileme hızı
   • Ses senkronizasyonu
2. Instant-NGP öğrenilebilir parametrelerinin çoğunu nerede saklıyor?
   • Tek bir yoğun voksel ızgarasında
   • Özellik vektörlerinin çok çözünürlüklü karma tablosunda
   • Kameranın iç kısımlarında
   • Sadece çok derin bir MLP'nin içinde
3. Özellikler birden fazla çözünürlük düzeyinde nasıl birleştirilir?
   • Ortalamaları bir skaler halinde alınır
   • Alfabetik olarak sıralanmıştır
   • Bunlar yukarıya doğru bakılır, üç çizgili olarak enterpolasyona tabi tutulur ve ardından birleştirilir
   • En iyi seviye dışında atılırlar
4. Instant-NGP, hassas çözünürlüklü tablolarındaki karma çarpışmaları nasıl ele alıyor?
   • Devasa bir masa ile çarpışmaları tamamen yasaklıyor
   • Çarpışma meydana geldiğinde çöküyor
   • Yalnızca renkleri karma hale getirir, konumları asla almaz
   • Çarpışmaların gerçekleşmesine izin verir ve belirsizliği ortadan kaldırmak için eğitim gradyanlarına dayanır.
5. Instant-NGP, NeRF eğitimini kabaca ne kadar hızlandırıyor?
   • Saatlerden saniyelere (büyüklük dereceleri)
   • Aslında daha yavaş
   • Yaklaşık yüzde 5 daha hızlı
   • Değişiklik yok, yalnızca daha iyi kalite
6. NeRF'lerin ötesinde karma ızgara kodlaması başka neyi temsil edebilir?
   • Yalnızca basılı metin
   • İmzalı mesafe fonksiyonları ve gigapiksel görüntüler
   • Yalnızca hisse senedi grafikleri
   • Yalnızca ses dalga biçimleri
7. Why does Instant-NGP allow different fine-grid cells to share a hash-table entry?
   • To make every spatial coordinate map to a unique table entry
   • To remove the need for trainable feature vectors
   • To keep the feature tables bounded in memory while representing higher-resolution spatial detail
   • To replace all grid levels with one full-resolution dense array
8. How do Instant-NGP's resolution levels balance collisions and spatial detail?
   • Every level uses one dense grid with no feature table
   • Coarse levels share all entries while fine levels are guaranteed collision-free
   • Only the highest-resolution level stores learnable features
   • Coarse levels can be collision-free while finer levels share entries to represent more detail within bounded memory