Retargeting of virtual reality applications
Notice bibliographique
Résumé
Current practices in development of Virtual Reality (VR) applications are very costly in general and difficult to adapt to various VR platforms. This thesis solves some of the issues related to the development of VR applications when a variety of hardware platforms is available, as in current VR labs and development sites. We make visible at a high level of abstraction the most important elements in the interface of a VR application. Current representation methods of VR are either too formal or too close to a programming language to be understood by users, which precludes the analysis, evaluation, and improvement of interface issues. We define a clean separation between different software components in a VR application and its associated semantics. This separation allows us to reuse VR components, without having to worry about unexpected side-effects. We also define a new way to transform an application from one hardware platform to another. We call this process retargeting, and it is based on our ability of component reuse and the high level of abstraction language we define. We separate two important roles in the development of VR applications. One is in charge of the overall architecture of the application. They pay attention to interface issues, requirements coverage, and component reuse. The second one is in charge of fine-detail development of components and its tuning to a particular deployment environment. We consider this separation an important way to handle complexity in the development process. It enables different people to concentrate on different issues and at the same time collaborate on the development.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».