Restauration de défauts de S-VHS
Notice bibliographique
Résumé
Le VHS est encore le format de bande magnétique le plus populaire dans le domaine de l'enregistrement de vidéo pour les consommateurs. En raison de la limitation de la résolution horizontale, une version améliorée du format VHS a été introduite: le format S-VHS. Bien que le nouveau format permette de reproduire l'image avec une bonne qualité, il y a encore des défauts: (1) L'image semble brouillée, et les détails manquent de netteté. (2) Les couleurs sont dégradées et manquent d'éclat. Ce travail propose deux méthodes de restauration de défauts de S-VHS. La première combine les techniques de débrouillage avec les techniques de rehaussement. Dans cette méthode, la luminance et la chrominance sont traitées séparément. La deuxième approche proposée utilise une structure de réseaux de neurones en cascade et permet d'utiliser l'information dans la luminance traitée afin de mieux restaurer la chrominance. Les résultats d'expériences ont montré que les deux méthodes proposées sont capables de donner des images plus nettes et plus éclatantes. En plus, grâce à la simplicité et la non-itération, il est possible de les faire fonctionner en temps-reél.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,008 | 0,002 |
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 ».