PHOTOGRAMMETRIC EXPLOITATION OF HDR IMAGES FOR CULTURAL HERITAGE DOCUMENTATION
Notice bibliographique
Résumé
Abstract. Basic goal of this project is to investigate and therefore highlight the usefulness of High Dynamic Range Images for photogrammetric applications in the field of Cultural Heritage Documentation. Scenes with High Dynamic range – difference between the brightest and the darkest parts – is impossible to be recorded without loss of details and texture in dark areas (due to underexposure) and in bright areas (due to overexposure) because of digital sensor's limitation in high dynamic range recording. In digital recording, the most recent and effective solution is High Dynamic Range Images (HDRI). These images are created by merging multiple images of the same scene, each of which has been taken with different shutter speed and thus providing a better range of images with different exposures. An HDR image alone is overcoming the loss of information caused by unfavorable lighting conditions. In photogrammetric applications, images have to be of high quality and represent faithfully the scene they depict. For applications of Cultural Heritage Documentation, where during image acquisition lighting conditions might be difficult, HDR technology can positively contribute to the acquisition of images of better quality and, consequently, to the creation of orthophotos with no radiometric problems. In this paper, a detailed reference to HDRI technology is made and also the geometric reliability and photogrammetric applicability of HDR images is examined and confirmed. In addition, an example of photogrammetric application in Cultural Heritage Documentation is presented and evaluated.
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.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».