MétaCan
Menu
Retour à la cohorte
Enregistrement W2157379713 · doi:10.1117/12.643153

<title>Fundamental questions on print quality</title>

2006· article· en· W2157379713 sur OpenAlexaff
Patrice Mangin, Martin Dubé

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueSurface Roughness and Optical Measurements
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésMeasure (data warehouse)Quality (philosophy)Metric (unit)Dimension (graph theory)Computer scienceSet (abstract data type)Contrast (vision)Space (punctuation)Artificial intelligenceInformation retrievalMathematicsData miningEpistemologyPure mathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

The concept of print quality is elusive, since it depends on objective measurable quantities such as contrast, graininess, etc., but also on the subjective appreciation of potential observers. It is far from obvious that print quality (PQ) can be defined in terms of good or bad, so that every one will agree on this definition, and the question of its measurement, with objective and subjective measures, remains open. In this Communication, we would first like to propose a set of fundamental questions related to the definition and measurement of PQ. Specifically, we are interested in the definition of PQ in terms of quality concept and quality criteria, on the minimal dimension space of PQ, and on the functional relations that should be satisfied by the metrics of PQ. In the second part, we focus on the simpler case of print mottle and try to answer some of these questions. We show that wavelet transforms can be used to obtain a measure of PQ that correlates very well with the subjective evaluation of observers and use this measure to discuss the functional form of a metric of Print Quality.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,221

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,007
Communication savante0,0100,010
Science ouverte0,0010,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0660,027

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 Opus0,017
Tête enseignante GPT0,243
Écart entre enseignants0,226 · 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'étudeSans objet
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

Citations2
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetSurface Roughness and Optical MeasurementsTravaux en français237 207