MétaCan
Menu
Retour à la cohorte
Enregistrement W2113731879 · doi:10.1109/im.2003.1240253

Multi-projectors for arbitrary surfaces without explicit calibration nor reconstruction

2004· article· en· W2113731879 sur OpenAlexaff
Jean‐Philippe Tardif, Sébastien Roy, M. Trudeau

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueInteractive and Immersive Displays
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésProjectorComputer visionArtificial intelligenceProjection (relational algebra)Computer scienceComputer graphics (images)Observer (physics)PixelPosition (finance)Camera resectioningOrientation (vector space)Pinhole camera modelCamera auto-calibrationShadow (psychology)Distortion (music)Structured lightMathematicsGeometryAlgorithmPhysics

Résumé

récupéré en direct d'OpenAlex

We present a new approach allowing one or more projectors to display an undistorted image on a surface of unknown geometry. To achieve this, a single camera is used to capture the viewer's perspective of the projection surface. No explicit camera and projector calibration is required since only their relative geometries are computed using structured light patterns. There is no specific constraint on the position or the orientation of the projectors and the camera with respect to the projection surface, except that the area visible to the camera must be covered by the projectors. The procedure defines a function establishing the correspondence of each pixel of a projector image to a pixel of the camera image. After the mapping of each projector has been carried out, one can display an image corrected in real-time for the point of view of an observer, which takes into account his position, the surface distortion, and the projector position and orientation. This method automatically takes into account any distortion in the projector lenses. Typical applications of this method include projection in small rooms, shadow elimination and wide screen projection using multiple projectors. Intensity blending can be combined to our method to ensure minimal visual artifacts. The implementation has shown convincing results for many configurations.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,550
Score d'incertitude au seuil0,366

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 savante0,0000,001
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 Opus0,030
Tête enseignante GPT0,281
Écart entre enseignants0,251 · 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'étudeExpérimental (laboratoire)
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

Citations47
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInteractive and Immersive DisplaysTravaux en français237 207