MétaCan
Menu
Retour à la cohorte
Enregistrement W2141012860 · doi:10.1016/j.isprsjprs.2014.05.011

Remote spectral imaging with simultaneous extraction of 3D topography for historical wall paintings

2014· article· en· W2141012860 sur OpenAlexfundno aff
Haïda Liang, Andrei Lucian, Rebecca Lange, Chi Shing Cheung, Bomin Su

Notice bibliographique

RevueISPRS Journal of Photogrammetry and Remote Sensing · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueImage Processing Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaEngineering and Physical Sciences Research CouncilMinistry of Science and Technology of the People's Republic of ChinaTrent UniversityNottingham Trent University
Mots-clésMultispectral imageSpectral imagingRemote sensingGeologyComputer scienceOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

PRISMS (Portable Remote Imaging System for Multispectral Scanning) is designed for in situ, simultaneous high resolution spectral and 3D topographic imaging of wall paintings and other large surfaces. In particular, it can image at transverse resolutions of tens of microns remotely from distances of tens of metres, making high resolution imaging possible from a fixed position on the ground for areas at heights that is difficult to access. The spectral imaging system is fully automated giving 3D topographic mapping at millimetre accuracy as a by-product of the image focusing process. PRISMS is the first imaging device capable of both 3D mapping and spectral imaging simultaneously without additional distance measuring devices. Examples from applications of PRISMS to wall paintings at a UNESCO site in the Gobi desert are presented to demonstrate the potential of the instrument for large scale 3D spectral imaging, revealing faded writing and material identification.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,006
Tête enseignante GPT0,234
Écart entre enseignants0,227 · 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'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

Citations96
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueISPRS Journal of Photogrammetry and Remote SensingMême sujetImage Processing Techniques and ApplicationsTravaux en français237 207