引导式测验 · 中等 等级

Plenoxels 和体素辐射场测验

测试 Plenoxels 如何存储稀疏体素中的辐射度、在没有 MLP 的情况下优化系数以及正则化表示。

相关引导路径Plenoxels 和体素辐射场
问题 1 的 8

与 NeRF 相比，Plenoxels 最令人惊讶的设计选择是什么？

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. 与 NeRF 相比，Plenoxels 最令人惊讶的设计选择是什么？
    • 它根本不使用神经网络
    • 它使用更深层次的神经网络
    • 它仅适用于 2D
    • 它需要激光雷达扫描仪
  2. Plenoxels 中的每个占用体素存储什么来捕获依赖于视图的颜色？
    • 完整的 RGB 纹理贴图
    • 球谐系数
    • 单独的神经网络
    • 仅深度值
  3. Plenoxels 论文在其评估的基准测试中报告了怎样的优化时间比较？
    • Exactly the same optimization time on every scene
    • About two orders of magnitude slower in all cases
    • About two orders of magnitude faster than NeRF in the reported settings
    • No measurable difference under any setup
  4. 如何沿着射线从体素网格获取值？
    • 仅最近邻查找
    • 随机抽样
    • 卷积滤波器
    • 三线性插值
  5. Plenoxels 的基准测试结果支持什么结论？
    • An explicit sparse grid can achieve NeRF-comparable results on the evaluated tasks without an MLP
    • Neural networks are never useful for 3D vision
    • Voxels always outperform every neural representation
    • Volume rendering requires no optimization
  6. 为了保持效率，Plenoxels 体素网格如何存储？
    • 作为一个致密的完全填充的立方体
    • 作为仅保留占用体素的稀疏网格
    • 作为单个平面图像
    • 作为压缩视频帧
  7. What regularizer did the Plenoxels paper use to encourage spatial smoothness?
    • 语音识别损失
    • A KL penalty between language models
    • A total-variation regularizer on voxel coefficients
    • A bitrate constraint on rendered images
  8. What does “Plenoxels” expand to?
    • Planar neural outputs
    • Perceptual linear voxels
    • Point-level network samples
    • Plenoptic voxels