MétaCan
Menu
Retour à la cohorte
Enregistrement W2887276509 · doi:10.1145/3214745.3214761

adidas TAPE

2018· article· en· W2887276509 sur OpenAlexaff
Mario Poerner, Jochen Suessmuth, Davoud Ohadi, Vincenz Amann

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
Thématique3D Shape Modeling and Analysis
Établissements canadiensAdidas (Canada)
Organismes subventionnairesnon disponible
Mots-clésSketchPipeline (software)ReuseComputer scienceProcess (computing)Key (lock)CreativityIdeal (ethics)Engineering drawingHuman–computer interactionMultimediaEngineeringComputer security

Résumé

récupéré en direct d'OpenAlex

3-D tools have been successfully established in several areas of the footwear design process. Yet, 3-D tools often find little adoption during initial concept creation for various reasons. These tools are often slow, difficult to use and limit creativity in ways unacceptable to most designers. The lack of 3-D content creation in the beginning makes it inherently difficult to implement ideal production pipelines that enrich and reuse assets during all steps of the content creation. At adidas, we have successfully established a simple, sketch based 3-D tool which feeds into our 3D design pipeline and finds astonishing acceptance within the design community. Our team presented a digital 3-D footwear design process and pipeline at Siggraph 2017 [Suessmuth et al. 2017]. Tape, the first tool in this pipeline, allows our designers to create meaningful 3-D assets in the early stages of design. In this talk, we explain the origin of Tape and walk the audience through all key features, their purpose in terms of footwear design and their implementation.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,783
Score d'incertitude au seuil1,000

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,006
Tête enseignante GPT0,186
Écart entre enseignants0,181 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujet3D Shape Modeling and AnalysisTravaux en français237 207