MétaCan
Menu
Retour à la cohorte
Enregistrement W2326365671 · doi:10.1515/oere-2015-0013

Subsurface imaging for panel paintings inspection: A comparative study of the ultraviolet, the visible, the infrared and the terahertz spectra

2015· article· en· W2326365671 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueOpto-Electronics Review · 2015
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueConservation Techniques and Studies
Établissements canadiensRobotiq (Canada)Université Laval
Organismes subventionnairesnon disponible
Mots-clésMultispectral imageInfraredOpacityTerahertz radiationOpticsUltravioletPaintingMaterials scienceThermographyOptoelectronicsWavelengthDetectorRemote sensingPhysicsGeologyArtVisual arts

Résumé

récupéré en direct d'OpenAlex

Abstract Infrared (IR) reflectography has been used for many years for the detection of underdrawings on panel paintings. Advances in the fields of IR sensors and optics have impelled the wide spread use of IR reflectography by several recognized Art Museums and specialized laboratories around the World. The transparency or opacity of a painting is the result of a complex combination of the optical properties of the painting pigments and the underdrawing material, as well as the type of illumination source and the sensor characteristics. For this reason, recent researches have been directed towards the study of multispectral approaches that could provide simultaneous and complementary information of an artwork. The present work relies on non−simultaneous multispectral inspection using a set of detectors covering from the ultraviolet to the terahertz spectra. It is observed that underdrawings contrast increases with wavelength up to 1700 nm and, then, gradually decreases. In addition, it is shown that IR thermography, i.e., temperature maps or thermograms, could be used simultaneously as an alternative technique for the detection of underdrawings besides the detection of subsurface defects.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,821
Score d'incertitude au seuil0,773

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,088
Tête enseignante GPT0,304
Écart entre enseignants0,216 · 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