Вікторина, пов’язана з посібником · Середній Рівень
Тест із хеш-кодування Instant-NGP
Перевірте, як геш-сітки з різною роздільною здатністю Instant-NGP, трилінійні функції та крихітний MLP прискорюють нейронну графіку, одночасно керуючи пам’яттю.
Питання 1 з 8
Яке головне вузьке місце в класичних NeRF, на яке націлено Instant-NGP?
Перегляньте кожне запитання8 запитання
Відповіді та пояснення з’являються під час виконання тесту.
- Яке головне вузьке місце в класичних NeRF, на яке націлено Instant-NGP?
- Великий MLP запитував мільйони разів на сцену
- Пропускна здатність мережі для потокового передавання
- Частота оновлення дисплея
- Синхронізація звуку
- Де Instant-NGP зберігає більшість своїх параметрів, які можна вивчати?
- В одній щільній воксельній сітці
- У хеш-таблиці векторів ознак із різною роздільною здатністю
- Всередині камери
- Тільки всередині дуже глибокого MLP
- Як поєднуються функції на кількох рівнях роздільної здатності?
- Вони усереднені в один скаляр
- Вони відсортовані за алфавітом
- Вони переглядаються, трилінійно інтерполюються, а потім з’єднуються
- Вони відкидаються, за винятком найкращого рівня
- Як Instant-NGP обробляє хеш-колізії у своїх таблицях високої роздільної здатності?
- Він повністю забороняє зіткнення з величезним столом
- Він виходить з ладу, коли трапляються зіткнення
- Він хешує лише кольори, а не позиції
- Він допускає зіткнення та покладається на навчальні градієнти для усунення неоднозначності
- Приблизно наскільки Instant-NGP прискорює навчання NeRF?
- Від годин до секунд (порядки величини)
- Насправді це повільніше
- Приблизно на 5 відсотків швидше
- Без змін, тільки краща якість
- Окрім NeRF, що ще може представляти хеш-сітка кодування?
- Тільки друкований текст
- Знакові функції відстані та гігапіксельні зображення
- Тільки біржові діаграми
- Лише звукові сигнали
- 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
- 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