MétaCan
Menu
Retour à la cohorte
Enregistrement W2081439978 · doi:10.1177/154193120304701309

A Sensitivity Study of Factors Influencing Real-Virtual Object Alignment Performance in Stereoscopic Augmented Reality Environments

2003· article· en· W2081439978 sur OpenAlexaff
Ming Hou, Paul Milgram

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2003
Typearticle
Langueen
DomaineComputer Science
ThématiqueOptical measurement and interference techniques
Établissements canadiensUniversity of TorontoDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésComputer visionAugmented realityArtificial intelligenceStereoscopyVirtual imageBinocular disparityObject (grammar)Computer scienceSensitivity (control systems)Depth perceptionVirtual realityPosition (finance)StereopsisComputer graphics (images)PsychologyEngineeringPerception

Résumé

récupéré en direct d'OpenAlex

A sensitivity study involving a real-virtual object alignment task was performed in a stereoscopic augmented reality environment, in which the known conflict between binocular fusion and object interposition cues was expected to play a major role. The object was to evaluate subjects' sensitivity to visual texture of a real hemisphere surface and to target position at designated probe points on that surface. Consistent with earlier experiments, the results indicate that: a) both surface texture and target position had significant effects both on real-virtual object alignment and on the estimate of surface normal direction; b) fusion breakdown caused by the conflict between occlusion and binocular disparity could have been used as an extra depth cue to detect virtual and real object interactions. In addition, a practical solution to improving remote 3D measurement accuracy is proposed.

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 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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,132
Score d'incertitude au seuil0,698

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
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 Opus0,029
Tête enseignante GPT0,247
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations3
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetOptical measurement and interference techniquesTravaux en français237 207