NRC's 3D technology for museum and heritage applications
Notice bibliographique
Résumé
For archiving, art historical purposes and restoration, "two dimensional" (2-D) works of art such as paintings or photo-graphs have, in modern times, traditionally been documented using (colour) photography and/or digital imaging tech-niques. While current technology allows reproductions with high spatial and colour resolution, these techniques only document the 2-D form and colour of the surface of the object. Surfaces also have, however, three dimensional (3-D) properties which play just as important a role in determining an objects appearance and how it is perceived. Among these, surface roughness/texture and the optical properties of transparent layers are particularly important. Both determine the way light is scattered from the surface, and influence not only colour perception, but also glossiness, illusions of transparency, and depth perception. These properties are often the first to be affected before colour changes happen or are perceived in a measurable quantity. They are difficult, if not, impossible to document using current 2-D techniques, while current 3-D scanners do not have the resolution necessary to document the micro-roughness of surfaces which actually determine appearance. The Netherlands Institute of Cultural Heritage has started a multidisciplinary programme to study the effect of 3-D pro-perties of surfaces on the appearance of works of art. The combined effects of colour, roughness, and optical properties of transparent layers are being investigated in situ using standard engineering micro-roughness measurements, colour spectroscopy, and digital imaging techniques. Initial work indicates that these are excellent methods for documenting, for example, the effects of cleaning of paintings and face-mounted photographs. Combined with light scattering models, they will provide a good tool for understanding the appearance of objects, and for their conservation. Rendering models, for example, could help conservators make selections of retouching materials based on colour and texture, or varnishes based on optical properties.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,139 | 0,075 |
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 source (Gemma direct ou Codex distillé), 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 ».