Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ
Bài kiểm tra tổng hợp chế độ xem tiểu thuyết
Khám phá các trường bức xạ, kết xuất tia, nguyên hàm Gaussian, giám sát trắc quang, mã hóa vị trí và biểu diễn lưới băm hiệu quả.
Câu hỏi 1 của 8
Với những bức ảnh về một cảnh, sự tổng hợp khung cảnh mới lạ cố gắng tạo ra điều gì?
Xem trước mọi câu hỏi8 câu hỏi
Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.
- Với những bức ảnh về một cảnh, sự tổng hợp khung cảnh mới lạ cố gắng tạo ra điều gì?
- Để nén hình ảnh thành các tập tin nhỏ hơn
- Để dịch chú thích hình ảnh sang các ngôn ngữ khác
- Để phát hiện các đối tượng trong một bức ảnh
- Để hiển thị một cảnh từ các góc nhìn của camera chưa được chụp ban đầu
- Trường bức xạ thần kinh (NeRF) ánh xạ vị trí 3D và hướng nhìn tới cái gì?
- Một văn bản mô tả
- Màu sắc (bức xạ) và mật độ âm lượng
- Số sê-ri máy ảnh
- Tín hiệu âm thanh nén
- NeRF hiển thị pixel cho chế độ xem mới như thế nào?
- Bằng cách sao chép trực tiếp hình ảnh đào tạo gần nhất
- Bằng cách tính trung bình tất cả các pixel trong tập dữ liệu
- Bằng cách di chuyển tia thể tích: các điểm lấy mẫu dọc theo tia và tích hợp màu sắc và mật độ
- Bằng cách chạy nhận dạng ký tự quang học
- What distinguishes 3D Gaussian Splatting's scene representation from an original NeRF-style per-ray network evaluation?
- Explicit 3D Gaussian primitives rendered through a differentiable rasterization approach
- A representation containing no scene parameters or image observations
- Only a table of audio phonemes
- A method that copies a single input photo for every viewpoint
- Tại sao các phương pháp NVS có thể tái tạo phản xạ và điểm sáng bóng?
- Họ hoàn toàn bỏ qua ánh sáng
- Chúng mô hình hóa hình thức phụ thuộc vào chế độ xem, do đó màu sắc có thể thay đổi theo hướng xem
- Chúng chỉ hiển thị ở thang độ xám
- Họ sử dụng tọa độ GPS
- What representation technique is central to Instant-NGP's acceleration of neural graphics tasks?
- Removing all input observations from training
- Converting the scene into a spreadsheet of filenames
- A guarantee of the same training time for every scene
- A multiresolution hash encoding
- What supplies the photometric training target in original NeRF scene optimization?
- Observed pixel colors in the training images, compared with rendered colors
- A required ground-truth 3D mesh for every scene
- Only the scene's written caption
- Only the final image's file size
- Why did original NeRF use positional encoding on its coordinate inputs?
- To identify the camera's serial number
- To supply surveyed coordinates without measurements
- To help the network represent high-frequency spatial and directional variation
- To eliminate every need for a radiance-field network