Face Transformation With Harmonic Models by the Finite-Volume Method With Delaunay Triangulation
Notice bibliographique
Résumé
To carry out face transformation, this paper presents new numerical algorithms, which consist of two parts, namely, the harmonic models for changes of face characteristics and the splitting techniques for grayness transition. The main method in this paper is a combination of the finite-volume method (FVM) with Delaunay triangulation to solve the Laplace equations in the harmonic transformation of face images. The advantages of the FVM with Delaunay triangulation are given as follows: 1) easy to formulate the linear algebraic equations; 2) good in retaining the pertinent geometric and physical need; and 3) less central processing unit time needed. Numerical and graphical experiments have been conducted for the face transformation from a female (woman) to a male (man), and vice versa. The computed sequential errors are O(N⁻³/²), where N² is the division number of a pixel into subpixels. These computed errors coincide with the analysis on the splitting-shooting method (SSM) with piecewise constant interpolation in the previous paper of Li and Bai. In computation, the average absolute errors of restored pixel grayness can be smaller than 2 out of 256 grayness levels. The FVM is as simple as the finite-difference method (FDM) and as flexible as the finite-element method (FEM). Hence, the FVM is particularly useful when dealing with large face images with a huge number of pixels in shape distortion. The numerical transformation of face images in this paper can be used not only in pattern recognition but also in resampling, image morphing, and computer animation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».