MétaCan
Menu
Retour à la cohorte
Enregistrement W37456957 · doi:10.3389/fvets.2023.1185628

Imorph: An Interactive System for Visualizing and Modeling Implicit Morphs

2004· article· en· W37456957 sur OpenAlexaboutno aff
Huong Quynh Dinh

Notice bibliographique

RevueFrontiers in Veterinary Science · 2004
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputer Graphics and Visualization Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMorphingComputer scienceComputer graphics (images)Affine transformationTranslation (biology)ComputationVisualizationRotation (mathematics)Computer visionComputer graphicsAnimationField (mathematics)Construct (python library)Character animationArtificial intelligenceLine (geometry)Object (grammar)Computer animationAlgorithmGeometryMathematicsProgramming language

Résumé

récupéré en direct d'OpenAlex

A metamorphosis, or morph, describes how a source shape gradually changes until it takes on the form of a target shape. Morphs are used in CAD (to construct novel shapes from basic primitives) and in motion picture special effects (to show one character transforming into another). To date, implicit morphing algorithms have been off-line processes. Source and target shapes and any userdefined initial conditions (object positions and warps) are provided as input to these black-box methods. We present an interactive system that constructs an implicit morph in real-time using the texturing hardware in graphics cards. Our solution allows a user to interactively modify parameters of the morph (scaling, translation, rotation, and warps) and immediately visualize the resulting changes in the intermediate shapes. Our approach consists of three elements: (1) the real-time computation and visualization of transforming shapes, (2) the ability to immediately see changes reflected in a morph when source and target shapes are manipulated, and (3) an efficient image-based method for updating

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,222

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0050,007
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0660,013

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 Opus0,039
Tête enseignante GPT0,338
Écart entre enseignants0,298 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Veterinary ScienceMême sujetComputer Graphics and Visualization TechniquesTravaux en français237 207