MétaCan
Menu
Retour à la cohorte
Enregistrement W2038182970 · doi:10.1260/1478-0771.8.2.135

Parametric Documenting of Built Heritage: 3D Virtual Reconstruction of Architectural Details

2010· article· en· W2038182970 sur OpenAlexaboutno aff
Christine Chevrier, Nathalie Charbonneau, Pierre Grussenmeyer, Jean-Pierre Perrin

Notice bibliographique

RevueInternational Journal of Architectural Computing · 2010
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématique3D Surveying and Cultural Heritage
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésParametric statisticsPoint cloudComputer scienceGraphical user interfaceArchitectural engineeringPoint (geometry)Interface (matter)Architectural modelCultural heritageArchitectural geometryArchitectureEngineeringArtificial intelligenceGeometryGeographyArchaeologySoftwareProgramming language

Résumé

récupéré en direct d'OpenAlex

This paper examines 3D modelling of architectural elements with the help of parametric components. Such components may be useful within the framework of projects dealing with virtual 3D reconstruction of heritage monuments. Architectural components of the built heritage often have complex geometry. We studied the various geometrical shapes of a given architectural element, representative of a specific period and place. This study allowed us to identify the parameters and to implement parametric objects (in Maya Environment [1]). We also developed a Graphical User Interface (GUI) to answer the user's needs while generating the 3D model representing the architectural element. Within this GUI, the user is able to make adjustments with the help of laser point clouds from laserscanning, 2D plans or photographs. We exemplify our method with a case study dealing with openings and lintels. The corpus under study consists of elements of the built heritage of Montreal (Canada) and Nancy (France).

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,012
Tête enseignante GPT0,249
Écart entre enseignants0,237 · 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

Citations70
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Architectural ComputingMême sujet3D Surveying and Cultural HeritageTravaux en français237 207