A Dynamic Study of Art Image Digitization Based on Metadata
Notice bibliographique
Résumé
With the continuous development of the internet age, more and more art images are taking on digital forms, resulting in a new way of survival for art image digitization.However, the digitization process of art images is affected by various factors, resulting in poor results and low digital quality of art images.Therefore, this article conducted research on the digitization of art images based on metadata, and utilized BP (Back Propagation) neural network for metadata processing and analysis to achieve metadata visualization and interactive design.Animation production software was then utilized for image compression, transparent display, and modeling, and finally interactive display technology was used to display the dynamic design of art images.4000 user feedback data and art image metadata from four age groups were collected and named A art image set.Starting from the visual communication effect, accuracy, and fidelity of art images, the differences in dynamic design of A art image digitization were compared.The experimental results showed that 2820 people were satisfied with the visual communication effect of dynamically designed art images, with a satisfaction rate of 70.5%.Only 1070 people in the control group were satisfied.The metadata accuracy of dynamically designed art images was greater than 80%, and the average accuracy was close to the median line, with small overall fluctuations.The deviation value between dynamically designed art image data and standard images is small, and the overall fidelity is relatively high.In short, the evaluation effect of digital dynamic design of art images is very good.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».