Use of Random Dot Patterns in Achieving X-Ray Vision for Near-Field Applications of Stereoscopic Video-Based Augmented Reality Displays
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.
Notice bibliographique
Résumé
This article addresses some of the challenges involved with creating a stereoscopic video augmented reality “X-ray vision” display for near-field applications, which enables presentation of computer-generated objects as if they lie behind a real object surface, while maintaining the ability to effectively perceive information that might be present on that surface. To achieve this, we propose a method in which patterns consisting of randomly distributed dots are overlaid onto the real surface prior to the rendering of a virtual object behind the real surface using stereoscopic disparity. It was hypothesized that, even though the virtual object is occluding the real object’s surface, the addition of the random dot patterns should increase the strength of the binocular disparity cue, resulting in improved performance in localizing the virtual object behind the surface. In Phase I of the experiment reported here, the feasibility of the display principle was confirmed, and concurrently the effects of relative dot size and dot density on the presence and sensitivity of any perceptual bias in localizing the virtual object within the vicinity of a flat, real surface with a periodic texture were assessed. In Phase II, the effect of relative dot size and dot density on perceiving the impression of transparency of the same real surface while preserving detection of surface information was investigated. Results revealed an advantage of the proposed method in comparison with the “No Pattern” condition for the transparency ratings. Surface information preservation was also shown to decrease with increasing dot density and relative dot size.
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 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 | 0,001 |
| 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 découle