MétaCan
Menu
← Retour à la cohorte
Enregistrement W25973757 · doi:10.1038/gene.2015.17

Simplificación poligonal guiada por máscaras visuales

2009· article· en· W25973757 sur OpenAlexfundno aff
María Virginia Cifuentes, Juan P. D’Amato, Lucas Lo Vercio, Alejandro Clausse

Notice bibliographique

RevueXV Congreso Argentino de Ciencias de la Computación · 2009
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématique3D Surveying and Cultural Heritage
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

La visualización interactiva en ambientes exteriores requiere de la simplificación poligonal de los modelos involucrados; proceso que introduce artefactos geométricos que degradan la calidad visual resultante. Maximizar la tasa de simplificación mientras se minimiza la degradación visual no resulta una tarea trivial. La idea es encontrar un balance entre la calidad visual y la conservación de la topología, notando una característica principal: una región escasamente iluminada reduce en apariencia la distorsión geométrica que una muy iluminada. En este contexto, el algoritmo propuesto para la simplificación de los objetos en el escenario exterior ha sido guiado primariamente por una métrica geométrica (curvatura local), y luego combinado con un criterio basado en la percepción visual que evalúa la influencia de la iluminación en cada elemento. La calidad y la robustez del indicador propuesto resultan de la medición del volumen encerrado entre las aproximaciones generadas y los modelos reales. La solución propuesta está concebida inicialmente para entornos donde el cambio de iluminación, y consecuente recálculo de la malla, es poco frecuente; permitiendo obtener mallas con una cantidad manejable de elementos y con un proceso de renderizado eficiente.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: Autre devis
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,159

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0480,010

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 Opus0,014
Tête enseignante GPT0,263
Écart entre enseignants0,249 · 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'étudeAutre devis
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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueXV Congreso Argentino de Ciencias de la Computación→Même sujet3D Surveying and Cultural Heritage→Travaux en français237 207→