引導式測驗 · 中等 等級
即時 NGP 哈希編碼測驗
測試 Instant-NGP 的多重解析度雜湊網格、三線性特徵和微型 MLP 如何在管理記憶體的同時加快神經圖形的速度。
問題 1 的 8
Instant-NGP 所針對的經典 NeRF 的主要瓶頸是什麼?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- Instant-NGP 所針對的經典 NeRF 的主要瓶頸是什麼?
- 大型 MLP 每個場景查詢數百萬次
- 流媒体的网络带宽
- 顯示更新率
- 音訊同步
- Instant-NGP 在哪裡儲存其大部分可學習參數?
- 在單一密集體素網格中
- 在特徵向量的多重解析度雜湊表中
- 在相机内在
- 僅在非常深的 MLP 內
- 多个分辨率级别的特征如何组合?
- 它們被平均為一個標量
- 它們按字母順序排序
- 它們被查找,三線性插值,然後連接
- 除了最好的級別之外,它們都被丟棄
- Instant-NGP 如何處理其精細解析度表中的雜湊衝突?
- 它完全禁止與一張巨大的桌子發生碰撞
- 當發生碰撞時它會崩潰
- 它僅散列顏色,而不散列位置
- 它允許碰撞發生並依靠訓練梯度來消除歧義
- Instant-NGP 大約可以加速 NeRF 訓練多少?
- 從幾小時到幾秒(數量級)
- 實際上更慢
- 速度提高約 5%
- 沒有改變,只有更好的品質
- 除了 NeRF 之外,哈希網格編碼還能代表什麼?
- 僅印刷文本
- 有符號距離函數和十億像素圖像
- 僅股票圖表
- 僅音訊波形
- 為什麼 Instant-NGP 允許不同的細網格單元共享同一個雜湊表項目?
- 為了讓每個空間座標對應到唯一的表格項目
- 為了消除對可訓練特徵向量的需求
- 為了在代表更高解析度空間細節的同時,將特徵表限制在記憶體範圍內
- 為了用一個全解析度的密集陣列取代所有網格層級
- Instant-NGP 的解析度層級如何平衡碰撞與空間細節?
- 每層都使用一個沒有特徵表的密集網格
- 粗糙層共用所有項目,而精細層則保證無碰撞
- 只有最高解析度的層會儲存可學習的特徵
- 粗糙層可以做到無碰撞,而較精細的層則共用項目,以便在有限的記憶體中表現更多細節