引导式测验 · 中等 等级

可微分渲染测验

查看可微分渲染梯度、可见性和轮廓、软光栅化、逆渲染和边缘采样。

相关引导路径可微渲染
问题 1 的 8

可微分渲染可以让您计算什么？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 可微分渲染可以让您计算什么？
    • 输出像素相对于场景参数（例如几何形状和材质）的梯度
    • 一种更快的无梯度光线追踪算法
    • 来自 3D 场景的音频
    • 动画压缩视频文件
  2. 为什么物体轮廓是可微分渲染的核心难点？
    • 它们在真实照片中总是模糊的
    • 它们会导致可见性不连续，像素突然跳跃，从而没有提供有用的朴素梯度
    • 它们比光滑的表面需要更多的内存
    • 他们更改输出的文件格式
  3. 软光栅化如何解决不连续性问题？
    • 它从场景中删除所有边缘
    • 它提高分辨率直到边缘消失
    • 它让三角形为附近的像素提供平滑、模糊的足迹
    • 它仅渲染背景
  4. 什么是“逆渲染”？
    • 颠倒渲染场景
    • 将 2D 图像转换为音频
    • 仅在夜间渲染
    • 从图像中恢复场景参数（形状、材质、照明）
  5. 哪种现代技术依赖可微渲染进行训练？
    • 3D 高斯泼溅和 NeRF
    • JPEG 压缩
    • MP3编码
    • 电子表格数据透视表
  6. “边缘采样”方法（如雷德纳）旨在捕获什么？
    • 整个图像的平均颜色
    • 不连续处渲染积分的边界项
    • 动画的帧速率
    • 纹理的压缩比
  7. What does the original NeRF network predict from a 3D location and viewing direction?
    • A binary object label and no appearance information
    • A scene’s legal ownership and camera price
    • Volume density and view-dependent emitted radiance
    • A single pixel mask with no view dependence
  8. What scene representation does 3D Gaussian Splatting optimize for real-time radiance-field rendering?
    • A single triangle silhouette for the entire scene
    • A text-only prompt with no geometric representation
    • A depth map with no color or camera information
    • A set of 3D Gaussians with position, covariance, opacity, and appearance parameters