引導式測驗 · 硬 等級
神經輻射場測驗
回顧原始 NeRF 的神經場景表示和光線渲染,包括姿勢訓練影像以及密度與外觀的分離。
問題 1 的 8
原始的 NeRF 表示法支援其定位場景圖片中的哪一項任務?
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。
- 原始的 NeRF 表示法支援其定位場景圖片中的哪一項任務?
- 保證從任兩張照片中看出完整的隱藏幾何形狀
- 合成與訓練相機不相同的視角
- 將每個場景翻譯成文字說明
- 對每張圖片進行強制性的人臉辨識
- 原始的 NeRF 欄位會針對查詢的場景座標預測哪些數量?
- RGB 外觀與體積密度
- 每個點查詢只會傳回一張完整的最終圖片
- 相機所需的 GPS 地址
- 只有訓練圖片的檔名
- 原始 NeRF 論文中的概念性五維輸入結合了什麼?
- 五張獨立的輸入照片
- 五個獨立的色彩通道
- 一個日期與四個文件標籤
- 一個 3D 位置以及具備兩個角自由度的觀看方向
- 原始的 NeRF 渲染如何使用沿著相機射線所查詢的樣本?
- 無論其他所有貢獻如何,它只採用最亮的樣本
- 它會忽略樣本距離與每一個密度值
- 它會結合密度與顏色以及樣本距離和透光率
- 它僅透過檔名來選擇未變更的訓練圖片
- 位置編碼在原始的 NeRF 實驗中發揮了什麼作用?
- 協助 MLP 表示高頻、與座標相依的細節
- 保證在沒有任何觀測的情況下呈現完整場景
- 將所有空間座標轉換為相機 GPS 讀數
- 消除每一個最佳化步驟
- 最初的 NeRF 的主要實際限制是什麼?
- 只能輸出音訊
- 每個場景的訓練和渲染都很慢
- 根本不需要照片
- 它只能在室內工作
- 在原始 NeRF 訓練設定中,提供的圖像會附帶哪些相機資訊?
- 僅有一個通用聲明,表示所有照片集合共享同一姿勢
- 僅有文字提示,未提供圖像‑相機資訊
- 已知的相機姿勢
- 需要列出實際商品價格的清單
- 在原始 NeRF 架構中,密度對輸入座標的依賴相較於顏色有何限制?
- 密度必須僅依賴觀測方向,且忽略位置
- 兩個輸出在所有位置上必須保持恆定
- 顏色必須同時忽略位置與方向
- 密度僅使用位置;顏色亦可使用觀測方向