Notice bibliographique
Résumé
The emergence of highly accurate LiDAR (Light Detection and Ranging) technology has opened new avenues for engaging with and understanding cultural heritage sites. How do we convert buildings like Ontario Hall into editable 3D models to engage various stakeholders in a campus setting? This initiative developed from the goal of MobArch (Queen's Mobile Laboratory for the study of Architecture and the Built Environment) to use non-invasive visualization technologies to understand the social, developmental, and environmental impacts upon our built environment and architectural past. Current initiatives involving LiDAR for heritage conservation investigate hidden aspects of sites or address structural disrepair. The Ontario Hall project uniquely documents the state of a heritage building before structural concerns arise. This project creates an accurate digital record of Ontario Hall for future infrastructure initiatives and cultural preservation. In addition, this project tests the limits of LiDAR with 3D reconstruction in CAD (Computer Aided Design) software. This project used the Leica RTC360 3D Laser Scanner to create over 300 scans with a point cloud density of 6mm. The resulting cloud was optimized using Leica Cyclone Register 360 Plus software and was imported to Sketch Up where a 3D model was manually reconstructed based on the cloud data. The result of this project is a SKP file containing the 3D model, and the point cloud. The cloud is a highly accurate resource for future infrastructure projects. The 3D model contains room volumes, windows, staircases, and external architectural elements in a more edit-friendly software environment allowing diverse stakeholders to creatively reimagine Ontario Hall. The model can be integrated into archives, websites, games, and VR. Heritage architecture can contribute to the marketing appeal and visual identity of Queen’s. Moreover, awareness of community heritage improves social wellbeing and addresses the need to connect with our built history.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,004 |
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 ».