The Concept of Levels of Detail for 3D Niche Models in CityGML
Notice bibliographique
Résumé
Abstract. Buddhist niches in grottoes can be represented in three-dimensional (3D) for their detailed geometries on surfaces by using triangular meshes generated from point clouds. However, not all applications require 3D models with high geometric detail. The mesh models of niches have drawbacks such as large data volumes, lack of semantic information, and absence of spatial relationships between structural components and members within niches. Those limitations make mesh models suitable only for visualization and challenging to use directly in tasks like spatial analysis, simulation experiments, mechanical analysis, and disease investigation. To address this problem, this study defines four Levels of Detail (LoDs) for Buddhist niches, ranging from LoD0 to LoD3, drawing on the concept of LoDs for urban buildings in CityGML 3.0. As the LoD level increases, 3D models contain more detailed geometries, including spatial points, bounding boxes, niche structural components, and component members. Those 3D models at different LoDs can represent niches with varying degrees of abstraction, making them suitable for different applications and guiding the production of standardized 3D semantic models. To validate the feasibility of the LoDs definition for Buddha niches, this paper reconstructs 3D models of niches at different LoDs based on high-precision mesh models. Finally, a comparison is made between the original mesh model and models at different LoDs in terms of data size and potential application scenarios.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 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 ».