Interactive 3D Visualization and Dissemination of UAV-SfM Models for Virtual Outcrop Geology
Notice bibliographique
Résumé
The potential of high resolution 3D datasets is being increasingly realized in an expanding number of geoscience applications. However, sharing of these datasets and interpretations requires end-users to have specialty software programs and high-end processing computers. Although user-friendly technological advances, such as uninhabited aerial vehicles (UAVs or drones) and structure-from-motion (SfM) photogrammetry, provide geoscientists with tools to easily collect, process, and analyze 3D models at multiple scales, dissemination of results to the general public commonly revert to conventional 2D formats, such as (static) 2D maps, figures, and rigid animations/videos. To facilitate dissemination of complete 3D datasets and interpretations to a wider audience, we review three modern platforms that enable visualization, sharing, and publishing of various 3D formats. We demonstrate the capabilities and limitations of each visualization platform by presenting a 3D digital outcrop model (DOM) of an extensive exposure of fluvial channel belt deposits in a 1 km2 area of Dinosaur Provincial Park (Alberta, Canada) generated from UAV-SfM photogrammetry. Each visualization platform provides intuitive controls and accessibility on standard desktop computers through web-based browsers (e.g., Sketchfab and potree) or a standalone executable file developed through videogame engines, such as Unity or Unreal Engine. Proprietary viewers allow straightforward sharing of 3D models, but limit size, detail, and resolution and also have restricted means for accommodating interpretations. Open-source platforms afford more functionality, facilitate additional 3D datasets, and can provide customized visualization experiences for end-users, but may require more advanced coding experience. Visualization platforms examined within this study offer access to large 3D datasets without the need for specialized software and advanced computing hardware. Further development and use of such platforms has potential to enhance student education and improve scientific communication through unique customizable experiences that allow for democratization of high resolution 3D datasets.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».