MétaCan
Menu
Retour à la cohorte
Enregistrement W2526478924 · doi:10.1109/icmew.2016.7574732

Towards a shared large-area mixed reality system

2016· article· en· W2526478924 sur OpenAlexaff
Naimul Khan, Xiaoming Nan, Nan Dong, Yifeng He, Matthew Kyan, Jennifer James, Ling Guan, Charles K. Davis

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAugmented Reality Applications
Établissements canadiensYork UniversityToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceRobustness (evolution)Mixed realityEvent (particle physics)Focus (optics)ServerHuman–computer interactionPosition trackingUser experience designAugmented realityDistributed computingReal-time computingMultimediaArtificial intelligenceComputer network

Résumé

récupéré en direct d'OpenAlex

In this paper we present a large-area interactive mixed reality system where multiple users can experience an event simultaneously. Through the combination of a number of innovative methods, the system can tackle common problems that are inherent in most existing mixed reality solutions, such as robustness against lighting conditions, static occlusion, illumination correction, registration and tracking etc. Most importantly, with our proposed experience server, a shared event among multiple users is seamless. The experience server tracks every user's position and experience state and presents a unique viewpoint of the event to multiple users simultaneously. The effectiveness of the system is demonstrated through an example application at a heritage site, where we perform user testing through multiple focus groups.

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 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)0,000
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil0,604

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,036
Tête enseignante GPT0,269
Écart entre enseignants0,233 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAugmented Reality ApplicationsTravaux en français237 207