Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Câu đố về mã hóa băm tức thì-NGP

Kiểm tra xem lưới băm đa độ phân giải, tính năng ba tuyến tính và MLP cực nhỏ của Instant-NGP tăng tốc đồ họa thần kinh trong khi quản lý bộ nhớ như thế nào.

Đường dẫn hướng dẫn liên quanMã hóa băm Ngp tức thì
Câu hỏi 1 của 8

Nút thắt cổ chai chính trong NeRF cổ điển mà Instant-NGP nhắm tới là gì?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Nút thắt cổ chai chính trong NeRF cổ điển mà Instant-NGP nhắm tới là gì?
    • MLP lớn được truy vấn hàng triệu lần mỗi cảnh
    • Băng thông mạng để phát trực tuyến
    • Tốc độ làm mới màn hình
    • Đồng bộ hóa âm thanh
  2. Instant-NGP lưu trữ hầu hết các tham số có thể học được ở đâu?
    • Trong một lưới voxel dày đặc duy nhất
    • Trong bảng băm đa độ phân giải của các vectơ đặc trưng
    • Bản chất bên trong của máy ảnh
    • Chỉ bên trong MLP rất sâu
  3. Các tính năng được kết hợp như thế nào trên nhiều cấp độ phân giải?
    • Chúng được tính trung bình thành một vô hướng
    • Chúng được sắp xếp theo thứ tự abc
    • Chúng được tra cứu, nội suy tam tuyến, sau đó được ghép nối
    • Chúng bị loại bỏ ngoại trừ mức tốt nhất
  4. Instant-NGP xử lý xung đột băm trong các bảng có độ phân giải cao như thế nào?
    • Nó cấm va chạm hoàn toàn với một cái bàn lớn
    • Nó gặp sự cố khi va chạm xảy ra
    • Nó chỉ băm màu sắc, không bao giờ định vị
    • Nó cho phép xảy ra va chạm và dựa vào độ dốc huấn luyện để phân biệt
  5. Instant-NGP tăng tốc quá trình đào tạo NeRF đến mức nào?
    • Từ giờ xuống giây (bậc độ lớn)
    • Nó thực sự chậm hơn
    • Nhanh hơn khoảng 5 phần trăm
    • Không thay đổi, chỉ có chất lượng tốt hơn
  6. Ngoài NeRF, mã hóa lưới băm có thể đại diện cho điều gì khác?
    • Chỉ in văn bản
    • Chức năng khoảng cách đã ký và hình ảnh gigapixel
    • Chỉ có biểu đồ chứng khoán
    • Chỉ dạng sóng âm thanh
  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