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

Bài kiểm tra ước tính độ sâu âm thanh nổi

Kiểm tra xem hình học camera âm thanh nổi, kết hợp chênh lệch, khối lượng chi phí và phản ứng tổng hợp cảm biến góp phần như thế nào vào ước tính độ sâu 3D đáng tin cậy.

Đường dẫn hướng dẫn liên quanƯớc tính độ sâu âm thanh nổi
Câu hỏi 1 của 8

'Sự chênh lệch' trong tầm nhìn âm thanh nổi là gì?

Xem trước mọi câu hỏi8 câu hỏi

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

  1. 'Sự chênh lệch' trong tầm nhìn âm thanh nổi là gì?
    • Sự dịch chuyển theo chiều ngang của một điểm khớp giữa hình ảnh bên trái và bên phải
    • Sự khác biệt về độ sáng giữa hai camera
    • Khoảng cách dọc giữa hai camera
    • Màu sắc không khớp do sự khác biệt của ống kính
  2. Độ sâu liên quan đến sự chênh lệch như thế nào?
    • Độ sâu tỷ lệ thuận với sự chênh lệch
    • Độ sâu tỷ lệ nghịch với độ chênh lệch
    • Độ sâu bằng chênh lệch lần đường cơ sở
    • Độ sâu không liên quan đến sự chênh lệch
  3. Tại sao hình ảnh được 'chỉnh sửa' trước khi khớp?
    • Để tăng độ phân giải hình ảnh
    • Để loại bỏ màu khỏi hình ảnh
    • Để các điểm tương ứng nằm trên cùng một hàng ngang
    • Để làm mờ các vật thể chuyển động
  4. Trường hợp nào khó nhất để khớp âm thanh nổi?
    • Một khung cảnh ngoài trời có kết cấu phong phú
    • Cận cảnh tấm thảm có hoa văn
    • Một khung cảnh có nhiều khía cạnh mạnh mẽ và đa dạng
    • Một bức tường trắng trống không có kết cấu
  5. 'Đường cơ sở' đề cập đến điều gì?
    • Khoảng cách vật lý giữa hai camera
    • Độ sâu phát hiện tối thiểu
    • Thời gian phơi sáng của khung tham chiếu
    • Độ sáng thấp nhất trong ảnh
  6. 'Khối lượng chi phí' trong mạng âm thanh nổi sâu là gì?
    • Thước đo mức sử dụng bộ nhớ GPU
    • Cấu trúc 3D chấm điểm mức độ phù hợp của các tính năng ở mức độ chênh lệch của từng ứng viên
    • Giá đô la của phần cứng máy ảnh
    • Danh sách các danh mục đối tượng được phát hiện
  7. Why are depth estimates often noisier for faraway objects than nearby ones?
    • Far objects always occupy more pixels than nearby objects
    • Stereo depth is calculated from color saturation rather than disparity
    • Far objects have small disparity, so a small disparity error can produce a larger depth error
    • The camera baseline increases automatically with object distance
  8. What can LiDAR add when it is fused with stereo depth estimation?
    • A replacement for all image data in every scene
    • A guarantee that stereo estimates have no errors
    • A way to remove the need for camera calibration
    • An additional depth measurement that can help constrain stereo matching