Imagery dataset of interior and exterior northern architectural spaces for photobiological lighting analyses
Notice bibliographique
Résumé
This paper details an imagery dataset of interior and exterior ambiances to assess and represent photobiological outcomes of the built environment in northern territories. The images were obtained using a Raspberry Pi Camera Module (RPiCM) mounted in a holder that fixes the camera in place. This holder allows to rotate the camera by 30° and take 12 high dynamic range (HDR) images which are then combined to create a panoramic image. The HDR images enable the calculation of photobiological effects concerning photopic light intensity for vision, and the spectral dominance regarding vision and circadian stimulation. This dataset includes 13 captures in 7 interior and 6 exterior settings, each divided into 4 subfolders containing the photographic data: the sequence of low-dynamic range images (LDR), the tone-mapped images obtained from the HDR calculation, the analysis of photopic luminance and false color, and 360° panoramic images (tone-mapped HDR, false color luminance, and spectral dominance). Each space is also supplemented with photometric data presented as a .csv file containing lux and EML units obtained via a radiometer. This dataset is valuable for architects, designers, and neuroscientists to identify opportunities for enhancing human-centric lighting in existing architecture and landscape, as well as to propose solutions that promote vision and circadian stimulation in northern territories. This research was partially used in previous studies from [10]. The dataset is published and shared through a Mendeley repository [9].
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».