Bài kiểm tra về thế hệ chuyển văn bản thành 3D

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

1. Sự đổi mới quan trọng của DreamFusion (2022) là gì?
   • Nó đã sử dụng Lấy mẫu chưng cất điểm để tạo 3D từ mô hình khuếch tán 2D mà không cần dữ liệu đào tạo 3D
   • Đây là thiết bị đầu tiên quét vật thể thật bằng LiDAR
   • Nó được đào tạo trực tiếp trên tập dữ liệu lưới 3D được dán nhãn lớn
   • Nó tạo ra các mô hình 3D ngay lập tức bằng một lần chuyển tiếp
2. 'Vấn đề Janus' trong chuyển văn bản sang 3D là gì?
   • Mô hình hiển thị quá chậm nên không hữu ích
   • Các đối tượng được tạo hiển thị nhiều mặt hoặc mặt trước từ các góc khác nhau
   • Họa tiết có vẻ nhợt nhạt và xám xịt
   • Định dạng tệp 3D không tương thích với công cụ trò chơi
3. Cặp nào là mô hình chuyển tiếp nguồn cấp dữ liệu chuyển văn bản sang 3D đầu tiên của OpenAI?
   • DALL-E và CLIP
   • Khuếch tán ổn định và Midjourney
   • Điểm-E và Shap-E
   • DreamFusion và Magic3D
4. Tại sao các phương pháp dựa trên tối ưu hóa ban đầu như DreamFusion lại chậm?
   • Họ phải tải xuống các mô hình từ đám mây mỗi lần
   • Theo mặc định, chúng hiển thị ở độ phân giải 8K
   • Họ yêu cầu điêu khắc thủ công giữa các bước
   • Họ đã tối ưu hóa cách trình bày 3D riêng biệt cho mỗi đối tượng qua nhiều lần lặp kết xuất
5. Định dạng đầu ra nào KHÔNG phải là biểu diễn 3D điển hình do các hệ thống này tạo ra?
   • Dạng sóng âm thanh MP3
   • Lưới đa giác
   • Trường bức xạ (NeRF)
   • Đám mây điểm
6. "Tính nhất quán của nhiều chế độ xem" được coi là thách thức gì?
   • Làm cho kích thước tệp nhất quán trên các lần xuất
   • Đảm bảo đối tượng trông mạch lạc và chính xác từ mọi góc độ camera
   • Giữ lời nhắc văn bản trong giới hạn từ
   • Kết hợp bảng màu với hướng dẫn thương hiệu
7. What representation does Shap-E directly generate?
   • Only a fixed-resolution RGB image
   • A text transcript with speaker labels
   • Parameters of implicit functions that can render as textured meshes or neural radiance fields
   • A single unstructured audio waveform
8. How does the Point-E paper’s two-stage system produce a 3D point cloud?
   • A 3D artist manually models every prompt
   • A NeRF is optimized from scratch using hundreds of camera views
   • A classifier predicts a file extension without generating geometry
   • A text-to-image model first generates a synthetic view, then an image-conditioned diffusion model produces a point cloud