MétaCan
Menu
Retour à la cohorte
Enregistrement W2134095301 · doi:10.1109/iv.2005.52

From Form to Content: Using Shape Grammars for Image Visualization

2006· article· en· W2134095301 sur OpenAlexaff
Xiu Wu Huang, Cheryl Kolak Dudek, Lydia Sharman, Fred E. Szabo

Notice bibliographique

RevueNinth International Conference on Information Visualisation (IV'05) · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésVisualizationComputer scienceRule-based machine translationAlgebraic numberContent (measure theory)Identification (biology)Variation (astronomy)Theoretical computer scienceArtificial intelligenceAlgebra over a fieldComputer graphics (images)MathematicsPure mathematics

Résumé

récupéré en direct d'OpenAlex

The idea of superimposing geometric grids on images to visualize their content is not new. Leonardo Da Vinci used it, Durer used it, and Descartes pioneered the use of geometric grids to describe geometric content with algebraic equations. Shape grammars take the algebraic analysis of images to a new dynamic level. They permit the visualization of images in terms of construction processes: generators and relations, in the language of algebra. In this paper, we discuss some of the creativity involved in the identification of initial objects and rules for the analysis of both a Zillij mosaic and a Kuba cloth. We show that although conceptually similar, the processes are quite different for the two types of design. While Zillij mosaics are regular, Kuba cloths also involve scaling: the variation of the size of repeated sub-patterns within a defined space.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,004
Communication savante0,0050,006
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,092
Tête enseignante GPT0,357
Écart entre enseignants0,264 · 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'étudeThéorique ou conceptuel
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

Citations5
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNinth International Conference on Information Visualisation (IV'05)Même sujetData Visualization and AnalyticsTravaux en français237 207