MétaCan
Menu
Retour à la cohorte
Enregistrement W1986004030 · doi:10.1109/icmew.2012.109

Non-rigid 3D Model Retrieval Using Set of Local Statistical Features

2012· article· en· W1986004030 sur OpenAlex
Yuki Ohkita, Yuya Ohishi, Takahiko Furuya, Ryutarou Ohbuchi

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.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
Thématique3D Shape Modeling and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesMcGill University
Mots-clésComputer scienceSet (abstract data type)Polygon (computer graphics)3d modelManifold (fluid mechanics)AlgorithmFeature (linguistics)Statistical modelArtificial intelligencePattern recognition (psychology)

Résumé

récupéré en direct d'OpenAlex

Various algorithms for shape-based retrieval of non-rigid 3D models, with invariance to articulation and/or global deformation, have been developed. A majority of these algorithms assumes that 3D models have mathematically well-defined representations, e.g., closed, manifold mesh. These algorithms are thus not applicable to other types of shape models, for example, those defined as polygon soup. This paper proposes a 3D model retrieval algorithm that accepts diverse 3D shape representations and is is able to compare non-rigid 3D models. The algorithm employs a set of hundreds to thousands of 3D, statistical, local features to describe a 3D model. These features are integrated into a feature vector per 3D model by using bag-of-features approach for efficiency in comparing 3D models and for invariance against articulation and global deformation. Experimental evaluation showed that the algorithm performed well for non-rigid 3D model retrieval.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,790
Score d'incertitude au seuil0,357

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)0,0000,000

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 Opus0,024
Tête enseignante GPT0,269
Écart entre enseignants0,245 · 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

Citations23
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujet3D Shape Modeling and AnalysisTravaux en français237 207