Вікторина, пов’язана з посібником · важко Рівень

Тест із функціями знакової відстані

Перегляньте, як функції знакової відстані кодують поверхні, підтримують візуалізацію та перевірки на зіткнення, а також увімкнуть нейронну 3D-реконструкцію.

Пов'язані напрямні шляхиЗнакові функції відстані
Питання 1 з 8

Що повертає функція відстані зі знаком для даної тривимірної точки?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Що повертає функція відстані зі знаком для даної тривимірної точки?
    • Відстань до найближчої поверхні зі знаком всередині/зовні
    • Колір поверхні в цій точці
    • Кількість трикутників біля цієї точки
    • Яскравість сцени
  2. Де знаходиться фактична поверхня SDF?
    • Де функція максимізована
    • На встановленому нульовому рівні (відстань дорівнює нулю)
    • Де знак завжди позитивний
    • У центрі обмежувальної рамки
  3. Where does a true signed distance function satisfy the unit-gradient eikonal condition?
    • At every point, including all nonsmooth points
    • Only at the zero level set
    • At differentiable points, which is almost everywhere for common surfaces
    • Only outside the shape
  4. Як трасування сфери використовує значення SDF?
    • Він завжди крокує на невелику фіксовану суму
    • Він робить кроки назад, щоб уникнути поверхні
    • Він ігнорує SDF і вибірки випадково
    • Він робить крок вперед на значення SDF, безпечну відстань до найближчої поверхні
  5. Що використовує DeepSDF для представлення певної форми?
    • Компактний прихований код, який подається в нейронну мережу
    • Повна трикутна сітка, збережена в пам’яті
    • Одне зображення RGB
    • Список позицій камери
  6. What is one useful property of an SDF representation compared with a fixed triangle mesh?
    • It guarantees exact geometry regardless of training data or sampling
    • It is a continuous function that can be queried at chosen resolutions, subject to representation accuracy and compute
    • It always uses less memory than every possible mesh
    • It eliminates the need to compute surface normals
  7. How can a signed distance function support robot collision checking?
    • It identifies the material composition of each obstacle
    • It predicts the robot's battery life from its pose
    • It gives a distance to nearby surfaces that can help determine clearance from obstacles
    • It converts a robot path into a camera image
  8. In the NeuS reconstruction method, what representation is learned for a scene surface?
    • A fixed list of RGB colors with no geometry
    • An unordered set of camera exposure settings
    • A text caption for each image without a 3D representation
    • The surface is represented as the zero-level set of a neural signed distance function