MétaCan
Menu
Retour à la cohorte
Enregistrement W3081608653 · doi:10.1117/12.2568115

Distortion controlled optical design using orthogonal surface polynomials

2020· article· en· W3081608653 sur OpenAlexaff
Guillaume Allain, Simon Thibault

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced optical system design
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésDistortion (music)Surface (topology)MathematicsComputer scienceTelecommunicationsGeometryBandwidth (computing)

Résumé

récupéré en direct d'OpenAlex

The design of high quality very wide-angle optical systems (FFOV < 100°) relies on distortion to obtain a sufficient resolution at, usually, the center of the field of view. Using distortion shape as a parameter during optimization to reach a magnification target is a common technique to achieve optical foveation during the lens design process. This method allows resolution enhancement at selected parts of the field of view since less care is given to parts of the image that are deemed less important. However, accurate control of distortion can be a challenge during optical design since the standard aspherics polynomials don’t correlate directly to image magnification. This may in fact slow down optimization since the merit function is much less optimized to approach a solution. In this paper, we address this problem by presenting a method to simplify distortion control during the optical design phase. To achieve this, the use of orthogonal polynomials is used for defining the optical surface shape and will then be used to compare the height of the image plane at a given field of view. We show that in the case of simple and paraxial system, this process is orthogonal and achieve a solution in a single optimization step. We will finally discuss the limits of this method and how it applies to modern lens design problems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,054
Tête enseignante GPT0,239
Écart entre enseignants0,184 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced optical system designTravaux en français237 207