引导式测验 · 中等 等级

DUSt3R 密集 3D 重建测验

查看 DUSt3R 的点图输出、无相机输入、置信度图和用于密集重建的多视图对齐。

相关引导路径Dust3r 密集 3D 重建
问题 1 的 8

与经典的运动结构不同，DUSt3R 不需要哪些关键信息作为输入？

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. 与经典的运动结构不同，DUSt3R 不需要哪些关键信息作为输入？
    • 已知相机姿势和校准
    • 任何图像
    • 一块显卡
    • 图像中的颜色
  2. DUSt3R 网络对每个图像回归的中心输出是什么？
    • 文字标题
    • 每像素 3D 坐标的点图
    • 边界框
    • 分割掩模
  3. 在 DUSt3R 图像对中，两个点图都用什么坐标系表示？
    • 随机全局框架
    • 世界 GPS 坐标
    • 第一个相机的坐标系
    • 每个图像都有自己独立的框架
  4. How can DUSt3R produce camera poses and pixel matches without receiving them as known input?
    • A separate calibration rig must provide every pose
    • Human annotators label each pixel correspondence
    • The model cannot produce either output
    • They can be recovered downstream from the predicted pointmaps and their alignment
  5. DUSt3R 如何处理两个以上的输入图像？
    • 它执行全局对齐将成对点图缝合在一起
    • 它忽略除两个之外的所有
    • 它将图像平均为一张照片
    • 每个图像需要一个单独的网络
  6. 哪种后续方法以更强的密集匹配扩展了 DUSt3R？
    • 残差网络
    • MASt3R
    • Stable Diffusion
    • 神经射频
  7. What additional per-pixel output accompanies DUSt3R pointmaps?
    • A speech transcript
    • A musical pitch label
    • A confidence map
    • A JPEG compression code
  8. What model architecture does DUSt3R use to process image pairs?
    • A rule-based camera calibration script only
    • A convolutional audio vocoder
    • A database query engine
    • Transformer encoders and decoders with cross-view processing