MétaCan
Menu
Retour à la cohorte
Enregistrement W4248539564 · doi:10.1109/ijcnn.2006.1716619

Shape Morphing and Reconstruction Using A Self-Organizing Feature Map

2006· article· en· W4248539564 sur OpenAlexaff
P.C. Igwe, A.P. Sangole, G.K. Knopf

Notice bibliographique

RevueThe 2006 IEEE International Joint Conference on Neural Network Proceedings · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage Processing and 3D Reconstruction
Établissements canadiensMcGill UniversityWestern University
Organismes subventionnairesnon disponible
Mots-clésMorphingComputer scienceArtificial intelligenceProcess (computing)Computer visionFeature (linguistics)Pattern recognition (psychology)Computer graphics (images)

Résumé

récupéré en direct d'OpenAlex

The shape reconstruction process has remained an active research area in archaeology, paleontology, forensics, cultural heritage restoration and art conservation. In all these cases, the reconstruction process is tedious and time consuming. Aside from collecting several randomly mixed fragments, the fragments also have to be glued together. A stable and efficient algorithm for computer aided reconstruction of fragmented models is introduced in this paper. This novel approach is based on the morphing technique using the deformable self organizing feature map (SOFM). The SOFM is a skeletal framework for modeling surfaces that dynamically change shape. The lattice of the SOFM is a spherical map that maintains the relative connectivity of the neighboring nodes as it transforms under external and internal forces. The digitized fragments are assigned weight vectors and morphed into the weight vectors of the original model. The technique is illustrated by reconstructing the geometry of a complete vase from the surface data acquired from several fragmented pieces.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,963
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,028
Tête enseignante GPT0,238
Écart entre enseignants0,210 · 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 tête enseignante, pas un consensus.

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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe 2006 IEEE International Joint Conference on Neural Network ProceedingsMême sujetImage Processing and 3D ReconstructionTravaux en français237 207