Вікторина, пов’язана з посібником · важко Рівень

Вікторина DreamFusion і Score Distillation Sampling

Ознайомтеся з оптимізацією NeRF DreamFusion, попередньою двовимірною дифузією, дистиляційним відбором балів і процесом рендерингу з кількома видами.

Пов'язані напрямні шляхиDreamfusion і відбір проб дистиляції
Питання 1 з 8

Яке тривимірне представлення оптимізує DreamFusion?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яке тривимірне представлення оптимізує DreamFusion?
    • NeRF (нейронне поле випромінювання)
    • Багатокутна сітка
    • Хмара точок від датчика глибини
    • Воксельна сітка з даних КТ
  2. Скільки тренувальних 3D даних вимагає DreamFusion?
    • Кілька сотень сканувань
    • Жодного
    • Мільйони CAD моделей
    • Один довідковий об’єкт на запит
  3. What is the computational shortcut in Score Distillation Sampling?
    • It trains a new diffusion model every step
    • Він взагалі не використовує градієнтів
    • It uses a stop-gradient score signal instead of backpropagating through the diffusion model’s full Jacobian
    • Він відображає лише одну фіксовану точку огляду
  4. Why did DreamFusion use high classifier-free guidance in its experiments?
    • Щоб зменшити пам'ять GPU
    • Для того, щоб вивести відтінки сірого
    • To guarantee accurate geometry
    • To counter the oversmoothing tendency of SDS and encourage sharper prompt-conditioned results
  5. Яку 2D-модель використовував оригінальний DreamFusion як заморожений попередній?
    • Зображення Google
    • Стабільна дифузія 1.5
    • DALL-E 2
    • Midjourney
  6. What artifact can arise when a 2D image prior guides a 3D scene across views?
    • A guaranteed watertight mesh
    • Duplicated faces or features on different sides of the object
    • A single grayscale output
    • A 3D object with no rendered views
  7. Why does DreamFusion render the NeRF from sampled camera angles during optimization?
    • To avoid using the NeRF representation
    • To replace the text prompt with camera metadata
    • To let the 2D prior provide guidance from multiple views of the 3D scene
    • To create an audio soundtrack
  8. What does an optimized NeRF allow a user to do with the generated scene?
    • Recover the original 3D training scan
    • Guarantee physically correct materials
    • Generate only the original training image
    • Render it from new viewpoints and relight it