PARTICIPATORY IMAGE-BASED MODELS’ ALIGNMENT FOR RECONSTRUCTING A LARGE-SCALE INDOOR MAPPING
Notice bibliographique
Résumé
Abstract. In this paper, we introduced a recently developed image-based model alignment technique for 3D reconstruction of large-scale indoor corridors. The proposed participatory model alignment technique enables crowd source single image-based modeling since it allows various participants to incorporate their images taken from different cameras for large-scale indoor mapping. This technique is robust against changes of camera orientation and prevents miss-association of a newly generated 3D model to the previously integrated models. To investigate the possibility of aligning two individual 3D models, their respective corridor topological graphs must match, and they need to geometrically transform into the same object space. Here 3D affine transformation is applied, and the transformation parameters are estimated through corresponding vertices of both 3D models. Having integrated two models in the same 3D space, they will be back projected into the image space for evaluation using Direct Linear Transformation. Note that the proposed method performs layout model matching in image space and considers information including layout topology and geometry as well as image information to address model alignment. The advantages of using layout information in the proposed alignment technique are twofold. First, a metric constraint is imposed to insure topological model consistency and balance 3D models scale issues. Second, it will reduce alignment ambiguity related to indoor corridor scenes, where the scene is enriched with multiple structural elements including various corridors junctions. To evaluate the performance of the proposed method, we have performed the experiments on a data set collected from Ross building corridors at York University. This dataset includes single images captured by a handheld wide-angle camera. The obtained results present the ability of the proposed method in alignment of single image-based 3D models while producing limited geometric errors.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 ».