ARTag Revision 1, A Fiducial Marker System Using Digital Techniques
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ARTag is a 2D marker and computer vision system for Augmented Reality, a Fiducial marker system, that was introduced in a prior NRC publication [6]. Augmented Reality (AR) is an emerging display paradigm, an enabling technology of AR is vision based pose tracking. Pose can be found accurately and with low cost using a camera as the only special hardware. Fiducial marker systems consist of patterns that are mounted in the environment and automatically detected in digital images using an accompanying detection algorithm. They are useful for AR, robot navigation, and general applications where the relative pose between a camera and object is required. ARTag is a marker system that uses digital coding theory to get a very low false positive and inter-marker confusion rate with a smaller required maker size, employing an edge linking method to give robust lighting and occlusion immunity. ARTag markers are bi-tonal planar patterns that consist of a square outline with a digital 36-bit word encoded in the interior. The digital word contains a unique ID number protected from false detection with the digital code techniques of checksums and forward error correction (FEC) providing very low and numerically quantifiable error rates. ARTag's performance is theoretically or experimentally examined for nice characteristics import to AR; false positive and false negative detection rates, inter-marker confusion probabilities, immunity to lighting, immunity to occlusion, minimal marker size, vertex jitter, marker library size, and speed performance. This publication further characterizes ARTag and provides more detailed information and experimental results useful for those interested in utilizing ARTag, and those interested in fiducial marker systems themselves.
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.
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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle