Rehber bağlantılı sınav · Orta Seviye

Metinden 3D Üretime Dönüştürme Sınavı

DreamFusion damıtma, NeRF optimizasyonu, Janus yapıtları, ileri besleme modelleri, çoklu görüntü tutarlılığı ve 3D sınırlarını test edin.

İlgili kılavuz yolları3D Üretime Metin
Soru 1 arasında 8

DreamFusion'ın (2022) temel yeniliği neydi?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. DreamFusion'ın (2022) temel yeniliği neydi?
    • 3D eğitim verileri olmadan 2D difüzyon modelinden 3D oluşturmak için Puan Damıtma Örneklemesi kullanıldı
    • LiDAR ile gerçek nesneleri tarayan ilk kişi oldu
    • Doğrudan devasa etiketli bir 3D ağ veri kümesi üzerinde eğitildi
    • Tek bir ileri geçiş kullanarak anında 3 boyutlu modeller oluşturdu
  2. Metinden 3D'ye dönüştürmede 'Janus sorunu' nedir?
    • Modeller kullanışlı olamayacak kadar yavaş işleniyor
    • Oluşturulan nesneler farklı açılardan birden fazla yüz veya cephe gösteriyor
    • Dokular soluk ve gri görünüyor
    • 3D dosya formatı oyun motorlarıyla uyumlu değil
  3. Hangi çift OpenAI'un ilk metinden 3D'ye ileri beslemeli modelleriydi?
    • DALL-E ve KLİP
    • Kararlı Difüzyon ve Midjourney
    • E Noktası ve Şekil-E
    • DreamFusion ve Magic3D
  4. DreamFusion gibi ilk optimizasyona dayalı yöntemler neden yavaştı?
    • Her seferinde modelleri buluttan indirmek zorunda kaldılar
    • Varsayılan olarak 8K çözünürlükte oluşturulurlar
    • Adımlar arasında manuel şekillendirme yapılması gerekiyordu
    • Birçok işleme yinelemesinde nesne başına ayrı bir 3B temsili optimize ettiler
  5. Hangi çıktı formatı bu sistemler tarafından üretilen tipik bir 3 boyutlu gösterim DEĞİLDİR?
    • MP3 ses dalga biçimi
    • Çokgen ağ
    • Parlaklık alanı (NeRF)
    • Nokta bulutu
  6. 'Çoklu görünüm tutarlılığı' bir zorluk olarak neyi ifade eder?
    • Dışa aktarımlarda dosya boyutunun tutarlı olmasını sağlama
    • Nesnenin her kamera açısından tutarlı ve doğru görünmesini sağlamak
    • Metin istemini kelime sınırının altında tutmak
    • Renk paletini marka kılavuzuyla eşleştirme
  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