MétaCan
Menu
Retour à la cohorte
Enregistrement W2161117519 · doi:10.1109/icpr.2002.1047392

Panoramic stereo reconstruction using non-SVP optics

2003· article· en· W2161117519 sur OpenAlexaff
Mark A. Fiala, Anup Basu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage and Object Detection Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCatadioptric systemComputer visionArtificial intelligenceComputer scienceHough transformPerspective (graphical)Line (geometry)AzimuthOpticsField of viewRadial lineOptical axisLens (geology)Computer graphics (images)Image (mathematics)PhysicsMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

Omni-directional sensors are useful in obtaining a 360/spl deg/ field of view with a single lens camera. Omni-directional stereo imaging systems were designed in our past research using a single camera and a mirror consisting of two concentric, radially symmetric lobes. If the central camera-mirror axis is vertical, a stereo image containing imagery from all azimuth directions from two viewpoints can be captured within one image. A vertically posed catadioptric optical system that employs a mirror with a radial profile other than parabolic or hyperbolic cannot maintain the straightness of any nonvertical lines. However, non-SVP (single view-point) mirror profiles are desirable for resolution distribution, sensor size and manufacturability. Since they lack a virtual perspective point, they pose new feature extraction challenges. A method for processing the imagery is introduced. Horizontal line segments are extracted using the panoramic Hough transform and vertical line segments are recognized as straight radial lines. These segments, and closed shapes they form are matched between the two lobe views to locate them in three-dimensions. Experimental results are presented.

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)0,001
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,001
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 Opus0,015
Tête enseignante GPT0,243
Écart entre enseignants0,228 · 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
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

Citations8
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetImage and Object Detection TechniquesTravaux en français237 207