MétaCan
Menu
Retour à la cohorte
Enregistrement W1947784004 · doi:10.1109/ca.1998.681900

Synthetic motion capture for interactive virtual worlds

2002· article· en· W1947784004 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHuman Motion and Animation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMotion captureComputer scienceAnimationRendering (computer graphics)KinematicsComputer graphics (images)Computer animationArtificial intelligenceVirtual realityComputer visionMotion (physics)Computer graphics

Résumé

récupéré en direct d'OpenAlex

The numerical simulation of biomechanical models enables the behavioral animation of realistic artificial animals in virtual worlds. Unfortunately, even on high-end graphics workstations, the biomechanical simulation approach is at present computationally too demanding for the animation of numerous animals at interactive frame rates. We tackle this problem by replacing biomechanical animal models with fast kinematic replicas that reproduce the locomotion abilities of the original models with reasonable fidelity. Our technique is based on capturing motion data by systematically simulating the biomechanical models. We refer to it as synthetic motion capture, because of the similarity to natural motion capture applied to real animals. We compile the captured motion data into kinematic action repertoires that are sufficiently rich to support elaborate behavioral animation. Synthetic motion capture in conjunction with level-of-detail geometric modeling and object culling during rendering has enabled us to transform a system designed for the realistic, off-line biomechanical/behavioral animation of artificial fishes into an interactive, stereoscopic, virtual undersea experience.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,927
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,210
Écart entre enseignants0,196 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

En bref

Citations12
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHuman Motion and AnimationTravaux en français237 207