MétaCan
Menu
Retour à la cohorte
Enregistrement W2026025713 · doi:10.1002/col.20649

A Monte Carlo method for assessing color rendering quality with possible application to color rendering standards

2010· article· en· W2026025713 sur OpenAlexaff
Lorne Whitehead, Michele Mossman

Notice bibliographique

RevueColor Research & Application · 2010
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueColor Science and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Institute of Standards and Technology
Mots-clésColor rendering indexRendering (computer graphics)Computer scienceHigh colorSpectral power distributionColor temperatureArtificial intelligenceColor differenceMonte Carlo methodRGB color modelComputer visionStatisticsMathematicsLight-emitting diodeOpticsColor imageImage processingPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The lighting industry has been increasingly challenged to reduce electrical energy consumption while providing illumination with sufficient color rendering quality. As a result, the problem of accurately assessing color rendering quality has gained increased prominence and the introduction of efficient narrow band light emitting diode (LED) sources has further intensified the debate. This study argues that there is a basic problem with the traditional method of quantifying color quality color rendering index (CRI), one that cannot be solved through minor improvements. The CRI relies on a determination of the degree of color distortion that a test source produces for a small number of test samples of specified spectral reflectance distribution, but there is no clear objective rationale for selecting these few samples. Also, any such arbitrary scoring scheme lacks an objective argument for what constitutes an acceptable score. This study proposes a new method for color rendering assessment that determines the color shift of one thousand, or more, representative reflection spectra that span the full multidimensional range of possible spectral distributions and colors. This broad sampling eliminates the intrinsic selection bias of the CRI calculation and its variants and it is compatible with a more objective standard for a color quality score, one that is statistically based on the fraction of the test spectra that experience color shifts that are less than a just noticeable difference (JND), or an agreed upon multiple of it. Since the concept of JNDs in color has been reproducibly quantified, it is hoped that this approach will be widely acceptable. © 2010 Wiley Periodicals, Inc. Col Res Appl, 2012

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,066
Tête enseignante GPT0,501
Écart entre enseignants0,435 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueColor Research & ApplicationMême sujetColor Science and ApplicationsTravaux en français237 207