MétaCan
Menu
Retour à la cohorte
Enregistrement W4229867752 · doi:10.1002/9781119111771.ch11

Changing the Sampling Structure of an Image

2019· other· en· W4229867752 sur OpenAlexaff

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineComputer Science
ThématiqueAdvanced Image Processing Techniques
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésBilinear interpolationUpsamplingBicubic interpolationStairstep interpolationAlgorithmLattice (music)Interpolation (computer graphics)Computer scienceMathematicsSampling (signal processing)PolynomialImage scalingComputer visionImage (mathematics)Image processingMultivariate interpolationMathematical analysisFilter (signal processing)

Résumé

récupéré en direct d'OpenAlex

There are two main applications for changing the sampling structure of an image: resizing and format conversion (or standards conversion). Resizing generally involves displaying the image on the same display but with a larger or smaller size. Format conversion involves switching between different formats such as European and North American television standards. This chapter considers three cases: upsampling to a superlattice; downsampling to a sublattice, and arbitrary lattice conversion. The most widely used interpolation filters in practice are bilinear and bicubic separable filters. The most common method in practice to convert the sampling structure of a rectangularly sampled image to another lattice is separable polynomial interpolation. This can be thought of as producing a continuous version of the signal that can then be resampled at arbitrary locations. The most frequently used polynomial interpolators are zero-order hold, linear (straight-line) interpolation and cubic interpolation.

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)0,000
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,013
Tête enseignante GPT0,296
Écart entre enseignants0,283 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Image Processing TechniquesTravaux en français237 207