Determining scalar illuminance from cubic illuminance data. Part 2: Tests in real lighting environments and an approach to improve its accuracy
Notice bibliographique
Résumé
Scalar illuminance, which describes the constant illumination from all directions, is an important indicator of the abundance of light for a lit object and the adequacy of illumination perceived. This paper proposes a more reliable method to recover scalar illuminance based on tests in natural complex lighting environments. The performance of Cuttle’s Approach 1, Mangkuto’s Approach 2 and Approach 3, together with Xia et al.’s potential Approach 4, were tested under a total of 610 high dynamic range (HDR) panoramic maps of real scenes. The relationships between predicted scalar illuminance and normalised diffuseness levels were checked. The results indicate that the potential Approach 4 is more robust to the cubic meter’s postures, and the predicted scalar illuminance has a regular relationship with normalised diffuseness levels. Approach 4 was corrected, together with Approach 1, formulating a new method named Approach 5S. Later, the proposed Approach 5S was evaluated under 205 indoor and 2233 outdoor panoramas from the Laval HDR databases, and it was shown to recover more reliable scalar illuminance with an average error within 5% in general. This study has provided a practical solution to more accurate vector illuminance-based metrics in real lighting environments. This algorithm can be further integrated into the development of cubic illumination meter instruments.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».