Notice bibliographique
Résumé
In this issue, we have grouped together five papers that deal with methods and algorithms applied in cultural heritage.Most of the papers presented in this issue are interdisciplinary as their goal is to answer needs in archeology and simulate virtual museums.The first paper deals with an automated pottery archival and reconstruction system and is written by Martin Kampel and Robert Sablatnig from the University of Vienna.The authors show an interesting application of an automated archival system for archaeological classification and reconstruction of ceramics.The second rather long paper comes from a group of researchers at the National Research Council of Canada that work on 3D imaging technology for museum and heritage applications.The National Research Council of Canada has developed over many years a program of research that has been put in application in museums and cultural agencies.The paper presents a summary of the 3D technology they have developed.This research has led to three patents.Hyun Yang, Taewoo Han and Juho Lee, from KAIST in Korea present a method for reconstructing dynamic 3D scene based on visual hull and view morphing.This method processes multiple synchronized video sequences and generates 3D rendering of dynamic objects in the video.The next paper presents research developed during several years at the University of Florence in Italy.This research has led to a specific software named ArtShop that allows the restoration of artistic images.The last paper is written by three artists, Geeske Bakker, Frans Meulenberg and Jan de Rode who try to identify some problems involved in the reconstruction of historical sites.They mention particularly two problems: the interpretation of data and their diffusion.This paper is more the opinion of artists dealing with virtual heritage than a technical contribution.It raises important questions that researchers should take into consideration.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,178 | 0,104 |
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 ».