MétaCan
Menu
Retour à la cohorte
Enregistrement W2070691548 · doi:10.5430/air.v3n1p18

A multi-view image rectification algorithm for matrix camera arrangement

2013· article· en· W2070691548 sur OpenAlexvenueno aff
Jianchen Yang, Fei Guo, Huogen Wang, Zhiyong Ding

Notice bibliographique

RevueArtificial Intelligence Research · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Vision and Imaging
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésRectificationImage rectificationMatrix (chemical analysis)Computer visionEssential matrixImage (mathematics)TRACE (psycholinguistics)Camera matrixAlgorithmIdeal (ethics)Computer scienceArtificial intelligenceFundamental matrix (linear differential equation)Rotation (mathematics)Projection (relational algebra)MathematicsCamera auto-calibrationCamera resectioningState-transition matrixSymmetric matrixPinhole camera modelPhysicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

This paper presents a rectification algorithm for multi-view images captured by a matrix multi-camera arrangement. In this work,an ergodic method is proposed to trace the ideal rotation matrix and the preferred location of the optical centers. Moreover, thecamera’s intrinsic parameters are optimized to obtain the ideal projection matrix, from which the image rectifying transformmatrix(IRTM) is further derived. Then the multi-view image is rectified with the IRTM. Experimental results show that thisproposed algorithm has great effect on multi-view image rectification for matrix camera arrangement.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,208
Tête enseignante GPT0,485
Écart entre enseignants0,277 · 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
GenreMéthodes

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

En bref

Citations10
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArtificial Intelligence ResearchMême sujetAdvanced Vision and ImagingTravaux en français237 207