引導式測驗 · 中等 等級
點雲處理測驗
探索點雲系統如何在清理掃描和學習多個空間尺度的特徵的同時保留無序的 3D 幾何形狀。
問題 1 的 8
什麼是點雲?
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。
- 什麼是點雲?
- 描述空間表面的 3D 點的集合
- 彩色像素的 2D 網格
- 處理圖形的伺服器集群
- 雲層覆蓋的天氣圖
- 為什麼標準影像 CNN 不能直接應用於點雲?
- 點雲太小
- 點是無序的並且缺乏規則的網格結構
- 點雲不包含空間資訊
- CNN 只能以黑白方式運作
- 點雲網路必須尊重哪些關鍵屬性?
- 色彩不變性
- 嚴格的從左到右的閱讀順序
- 點排序的排列不變性
- 固定影像解析度
- PointNet是如何實現順序無關的?
- 按字母順序對點進行排序
- 首先將點轉換為像素
- 丟棄除第一點之外的所有內容
- 透過在每點特徵上使用像最大池化這樣的對稱函數
- 迭代最近點 (ICP) 演算法有什麼作用?
- 將兩個點雲對齊到一個公共座標系中
- 壓縮點雲以進行存儲
- 按高度著色點
- 在 3D 掃描中偵測人臉
- 為什麼普遍使用體素下採樣?
- 為細節添加更多點
- 將巨大、密集的雲減少到易於管理、更均勻的大小
- 將 3D 資料轉換為音頻
- 加密點雲
- PointNet++ 在 PointNet 的獨立逐點特徵處理之外,還增加了什麼?
- 為每個點雲設定固定的從左到右順序
- 僅對 RGB 像素應用影像卷積
- 對鄰近點進行分層分組,以在多個尺度上學習局部特徵
- 刪除原點外所有點的規則
- 為什麼點雲管線在建模前會移除統計異常值?
- 從剩餘點建立有序序列
- 將點雲轉換為二維音頻語音頻譜圖
- 為每個點添加合成表面法線
- 丟棄不符合周圍點分佈的孤立噪聲點